В последнее время я занимаюсь классификационными задачами при использовании тройной потери, VGG16 используется для извлечения функций в качестве магистральной сети.
Тройная потеря используется для оптимизации расстояния между положительными выборками, отрицательными выборками и якорями,маржа используется в качестве порога.
Но я обнаружил, что потеря триплета не упала ниже маржи при использовании дополнения данных.это означает, что расстояние между положительными выборками, отрицательными выборками и якорями было равно 0, они собраны вместе.
Однако потеря триплета может быть уменьшена до уровня ниже допустимого, если расширение данных не принято и размерность объекта не слишком мала.
скорость обучения установлена на 0,0005, Momentum Optimizer, импульс = 0,9.
Это из-за самих сэмплов?Или сеть?