如何在我的项目中实现三重损失？

Question

我正在做一个关于说话人识别的项目，我有音频文件的数据集，从这些文件中，我将声音特征（1x13的数组）作为输入，作为输出，我为每个说话者选择一个随机整数（假设说话者1-输出= 1个扬声器2个输出= 2 ...）

有人提议我使用三重态损失来获得更好的精度，但我不明白我们如何在张量流中实现它（根本没有示例）

据我了解，到目前为止，我为每个扬声器获取2个正值和一个负值（例如，同一扬声器的2个音频文件的2个功能，以及将与之建立另一个扬声器的合成音频文件的一个功能） wavenet）

但是我如何使用此功能来实现三重态损失，这意味着我如何真正使用张量流实现它

Answer 1

在以下步骤中说明了三重态损失函数的工作原理。

培训数据：
就像您说的那样，您需要为每个训练样本Anchor,Positive,Negetive使用三元组。

模型的体系结构：

这个想法是让3个相同的网络具有相同的神经网络架构，并且它们应该共享权重。

模型学习：

该模型不仅学会了同时为不同类别创建聚类，而且还成功地将外观相似的数据投影到其邻域中。在分类架构的情况下，该模型尝试了解一对类之间的决策边界，但该模型并未考虑类中相似和异类数据之间的完整性。

您可以遵循此link和此link（在TensorFlow上实现了三元组丢失的实现），可以对数据遵循相同的体系结构并进行一些更改。

希望这对您有帮助，祝您学习愉快！