Какими должны быть выходные данные модели для тройных сетей? - PullRequest
Новая
       60

Какими должны быть выходные данные модели для тройных сетей?

0 голосов
/ 26 апреля 2020

Я немного застрял здесь, поэтому вижу несколько советов. У меня есть triple_loss функция и модель для генерации вложений. Однако я не уверен, как должны выглядеть результаты модели. Когда я вывожу 3 вложения (anchor, positive, negative), я получаю 3 значения потерь.

Я хотел бы понять, что моя модель должна вернуться сюда? У меня есть функция get batch, которая генерирует триплетные партии с привязкой / положительным / отрицательным триплетом 

def triplet_loss(y_true, y_pred, alpha = 0.2):
    """
    Implementation of the triplet loss as defined by formula (3)

    Arguments:
    y_true -- true labels, required when you define a loss in Keras, you don't need it in this function.
    y_pred -- python list containing three objects:
    anchor -- the encodings for the anchor images, of shape (None, 128)
    positive -- the encodings for the positive images, of shape (None, 128)
    negative -- the encodings for the negative images, of shape (None, 128)
     /* Returns loss - Scalar value */
     """
     anchor, positive, negative = y_pred[0], y_pred[1], y_pred[2]
     pos_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, positive)), axis=-1)
     neg_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, negative)), axis=-1)
     basic_loss = tf.add(tf.subtract(pos_dist, neg_dist), alpha)
     loss = tf.reduce_sum(tf.maximum(triplet_loss, 0))
     return loss

У меня есть следующая функция, которая создает вложение для одного изображения / матрицы. 

def build_embedding(self, input_shape, dimensions):
    inp = Input(shape=input_shape)
    /*further conv2d / dense layers
    return Model(inputs=inp, outputs=out)

def build_triplets_model(self, shape, dimensions):
    net = self.build_embedding(shape, dimensions)

    anchor_input = Input(shape=shape, name='anchor')
    positive_input = Input(shape=shape, name='positive')
    negative_input = Input(shape=shape, name='negative')

    # Get the embedded values
    encoded_a = net(anchor_input)
    encoded_p = net(positive_input)
    encoded_n = net(negative_input)

    triplet_net = Model(inputs=[anchor_input, positive_input, negative_input],\
                            outputs=[encoded_a, encoded_p, encoded_n])
    return triplet_net
...