Metric Learning: Học Khoảng Cách trong Không Gian Đặc Trưng

Nội dung

• 1. Giới thiệu
• 2. Khái niệm Metric Learning
• 3. Ứng dụng Metric Learning

1. Giới thiệu

Metric Learning là kỹ thuật học máy nhằm học một hàm đo khoảng cách sao cho các đối tượng cùng lớp gần nhau hơn, còn các đối tượng khác lớp thì xa nhau hơn trong không gian đặc trưng.

Minh họa metric learning: phân biệt khoảng cách trong không gian biểu diễn

Kỹ thuật này rất quan trọng trong các bài toán nhận dạng, phân loại và tìm kiếm tương tự.

2. Khái niệm Metric Learning

Metric Learning học một hàm khoảng cách (distance function) hoặc không gian embedding sao cho khoảng cách giữa các điểm cùng nhãn nhỏ hơn khoảng cách giữa các điểm khác nhãn.

Các phương pháp phổ biến gồm:

• Contrastive loss
• Triplet loss
• N-pair loss

3. Ứng dụng Metric Learning

• Nhận dạng khuôn mặt (face recognition)
• Tìm kiếm ảnh tương tự (image retrieval)
• Phân loại ít dữ liệu (few-shot learning)
• Xác thực giọng nói (speaker verification)
• Nhận dạng phân loại tín hiệu (radio frequency fingerprint). Phần 1 mình train RiftNet ở đây, phần 2 về openset problem mình sẽ cập nhật sau.
• Và còn rất nhiều ứng dụng khác…

Ví dụ ứng dụng metric learning trong lĩnh vực nhận dạng tín hiệu