Модификация триплет лосса для задач глубинного метрического обучения

Выполнил: Федоров Никита Максимович

Современные методы метрического глубинного обучения позволяют эффективно решать такие задачи, как поиск по изображению, идентификация личности по фотографии, сравнение изображений и определение степени их похожести. Для обучения нейросетевых моделей метрического обучения используется ряд особых функций потерь, не встречающихся в других областях машинного обучения. На протяжении последних лет было разработано множество различных архитектур функций потерь для достижения более высокого качества работы моделей. Однако некоторые статьи указывают на факт того, что последние достижения метрического обучения обусловлены не столько новыми функциями потерь, сколько более удачным подбором других гиперпараметров обучения. Данный курсовой проект посвящен исследованию давно придуманной классической триплет функции потерь, изучению существующих и созданию новых ее модификаций. В результате проделанной работы на задаче поиска похожих изображений удалось добиться качества, сравнимого с лучшими на данный момент результатами метрического обучения.

Архив с материалами (Федоров) (ZIP, 3,15 Мб)

- В архиве содержатся отчет и презентация

Ссылка на репозиторий на GitHub