التعلم العميق باستخدام خسارة الثلاثي الهرمي

نقدم خسارة ثلاثية هرمية (HTL) قادرة على جمع عينات تدريب معلوماتية (الثلاثيات) تلقائيًا عبر شجرة هرمية محددة ترميز المعلومات السياقية العالمية. هذا يسمح لنا بالتعامل مع القيد الرئيسي للعينة العشوائية في تدريب الخسارة الثلاثية التقليدية، وهو مشكلة مركزية في التعلم العميق للمعايير. إسهاماتنا الرئيسية ثنائية الجوانب:(أ) نقوم ببناء شجرة هرمية على مستوى الفئة حيث يتم دمج الفئات المجاورة بشكل متكرر. يتلقى البنية الهرمية طبيعة توزيع البيانات على قاعدة البيانات بأكملها بشكل طبيعي.(ب) نصوغ مشكلة جمع الثلاثيات من خلال تقديم هوامش انتهاك جديدة، والتي يتم حسابها ديناميكيًا بناءً على الشجرة الهرمية المصممة. هذا يسمح لها باختيار عينات صعبة ذات معنى تلقائيًا بإرشاد السياق العالمي. إنه يشجع النموذج على تعلم ميزات أكثر تمييزًا من الفئات البصرية المشابهة، مما يؤدي إلى التقارب الأسرع والأداء الأفضل. تم تقييم طريقة عملنا في مهام استرجاع الصور وتمييز الوجوه، حيث أظهرت أداءً أفضل بكثير من الخسارة الثلاثية القياسية بنسبة تتراوح بين 1٪ و18٪. حققت أحدث الأداء المتميز على عدد من مقاييس الأداء، وبعدد أقل بكثير من دورات التعلم.