距離学習とTriplet Lossの構成要素

Triplet Lossは、アンカー(A)とポジティブ(P)の埋め込み距離を縮め、アンカー(A)とネガティブ(N)の距離をマージン α 以上離すように学習します:L = max(0, d(A, P) - d(A, N) + α)。 ア:正解です。基準サンプル(Anchor)、同クラスの正例(Positive)、異クラスの負例(Negative)の3つ組みを用います。 イ:誤りです。このような呼称は距離学習では使用されません。 ウ:誤りです。転移学習やGANのドメイン変換用語との混同です。 エ:誤りです。セマンティックセグメンテーションの構成要素ではありません。

顔認証や画像検索などの距離学習(Metric Learning)で用いられる「Triplet Loss」の3つの入力サンプルの組み合わせとして、正しいものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
アンカー(基準サンプル)、ポジティブ(アンカーと同クラスのサンプル)、ネガティブ(アンカーと異なるクラスのサンプル)
イ
プライマリ(主データ)、セカンダリ(副データ)、ターシャリ(第三者データ)
ウ
ソース(変換元)、ターゲット(変換先)、ノイズ(干渉データ)
エ
入力画像、正解セグメンテーションマスク、背景画像