問題 No.1799
アンカー画像、ポジティブ画像、ネガティブ画像の3つの入力を用いて、類似度に基づく距離学習を行うディープラーニングの手法として、最も適切なものはどれか。
【正解の解説】
レプリカの損失関数を最小化するように、同一クラスの距離を縮め、異なるクラスの距離を広げる学習を行うTriplet Networkである。
人間が「この顔はさっきの人と同じだ、あっちは別の人だ」と直感的に判別する仕組みをAIに教える技術です。基準となるアンカー写真に対し、同じ人の写真（ポジティブ）は近づけ、別人の写真（ネガティブ）は遠ざけるように距離感を徹底的に訓練します。顔認証システムなどで広く活用されている、人間関係の距離感に似た非常に直感的なディープラーニング手法です。
スポンサーリンク
【その他の選択肢の解説】
クロスエントロピー損失を最小化するように、全クラス間の境界線を最大化し、未知のデータを排除する学習を行うSiamese Networkである。
Siamese Networkは2つの画像を入力して類似度を比較する構造ですが、本肢は全クラス間の境界線最大化などサポートベクトルマシン的な要素が混ざっています。また、3つの画像を用いるTriplet Networkと混同させやすいため、入力画像の数や損失関数の種類の違いに注意が必要です。
マージンの損失関数を最小化するように、異なるクラスの距離を縮め、同一クラスの距離を広げる逆転学習を行うContrastive Networkである。
Contrastive Networkは2つの画像ペアを用いて距離学習を行う手法であり、同一クラスの距離を縮め異なるクラスの距離を広げるのが正しい動作です。本肢のように「異なるクラスの距離を縮め、同一クラスの距離を広げる」と記載されている部分は、学習の目的が完全に逆転しており、初学者が陥りやすい用語の勘違いを誘発する典型的な罠です。
ガウス分布のパラメータを推定するように、入力画像の潜在変数をサンプリングし、再構成誤差を最小化する学習を行うAutoencoderである。
Autoencoderは入力データを一度圧縮して潜在変数に変換し、そこから元のデータを復元する過程で特徴量を学ぶ教師なし学習の手法です。類似度に基づく距離学習を行うTriplet Networkとは学習の目的もネットワークの構造も根本的に異なるため、画像処理の分野で混同しやすい別の重要アーキテクチャとして区別して覚える必要があります。