Contrastive Loss（コントラスト損失）の理解

問題

Contrastive Loss（コントラスト損失）に関する以下の記述のうち誤りを1つ選べ。

Contrastive Loss（対照損失 / コントラスト損失）は、顔認証システムなどの「類似度学習（距離学習：Metric Learning）」で使われる損失関数です。

単純な分類（犬か猫か）ではなく、「この2枚の顔写真は同一人物か別人か」を判定するために、ニューラルネットワークが抽出した特徴量ベクトル間の距離を調整します。

「同じクラス（同一人物）の画像同士は特徴空間上で近づけ（距離を小さくし）」「違うクラス（別人）の画像同士は一定の距離（マージン）以上遠ざける」ように学習させます。

1. Contrastive Lossは似ているデータ同士の距離を小さくするように学習する。

正しい：入力された2つのデータが「同じペア（正例）」であった場合、それらの特徴ベクトルの距離（ユークリッド距離など）を0に近づけるように学習します。

2. Contrastive Lossは似ていないデータ同士の距離を大きくするように学習する。

正しい：入力された2つのデータが「異なるペア（負例）」であった場合、設定した「マージン」よりも遠くに離れるように学習（ペナルティを付与）します。

3. Contrastive LossはTriplet Lossよりも相対距離の学習に優れている。

誤り：Contrastive Lossは「2つ」のデータの絶対的な距離を学習しますが、Triplet Lossは「3つ」のデータを使って「相対的な距離」を学習するため、Triplet Lossの方がより高度で優れています。

4. Contrastive Lossは顔認証などの類似度判定タスクで使われる。

正しい：初めて見る人の顔でも、登録された顔写真と特徴量が似ているかどうかで本人確認を行う「顔認証」や「異常検知」などで広く活用されます。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ