تحسين الترميزات مع التعدين الثلاثي الإيجابي البسيط

يهدف التعلم القياسي العميق إلى تعريف تضمين حيث يتم وضع الصور ذات الدلالة المتشابهة في مواقع قريبة، بينما يتم وضع الصور ذات الدلالة المختلفة في مواقع بعيدة. ركزت الجهود الكبيرة على دوال الخسارة والاستراتيجيات لتعلم هذه التضمينات بدفع الصور من نفس الفئة إلى أقرب ما يمكن في فضاء التضمين. في هذا البحث، نقترح استراتيجية تضمين مخففة بديلة تتطلب فقط من دالة التضمين أن تربط كل صورة تدريبية بأمثلة الأكثر شبهاً منها من نفس الفئة، وهي الطريقة التي نطلق عليها "التعدين الإيجابي السهل" (Easy Positive). نقدم مجموعة من التجارب والتصورات التي تؤكد أن هذا التعدين الإيجابي السهل يؤدي إلى تضمينات أكثر مرونة وتعميمًا أفضل على بيانات جديدة غير مشاهدة سابقًا. ينتج هذا الاستراتيجية البسيطة للتعدين أداء استرجاع يتفوق على النهج الرائدة في مجال التقنية (بما في ذلك تلك التي تعتمد على دوال خسارة معقدة وطرق الجمع) في مجموعات بيانات استرجاع الصور مثل CUB، Stanford Online Products، In-Shop Clothes و Hotels-50K.