metric learning / deep metric learning에 관하여

Metric learning은 Machine learning 의 한 분야로, object 간의 거리 함수를 학습하는데 초점을 맞춘다고 합니다. 이 거리 함수는 metric 공간에서의 similarity 또는 dissimilarity 를 결정하는데 사용된다고 합니다. k-nn(nearest neighbor 나, clustering 등의 방법에도 이용이 된다고 합니다. 

 

 

Deep Metric learning이란, 앞에서 설명한 Metric Learning을 Deep learning 에 적용시킨 것이라고 볼수 있을 것입니다. 각각의 데이터들의 거리를 임베딩 공간 측정해서, 유사한 객체는 서로 가깝게, 그렇지 않은 객체는 멀게 배치 합니다. 이미지 인식, 얼굴 검증, 추천 시스템 등의 작업에 유용하다고 합니다.

 

그래서 Similarity Learning이 중요하다고 합니다. 

 

Similarity Learning(유사성 학습)의 중요성에 대해서는, Euclidean distance, cosine distance 등 여러가지 유사성이 있다고 합니다. 

 

metric learning에 대해서 여러가지 적용하는 법이 있겠지만, 가장 쉽게 적용하고 필요한 분야는 face recognition이라고 생각합니다. face recognition의 경우 data를 많이 쌓을 수 없기 때문에, 보통 한 장의 사진을 가지고 face recognition을 진행합니다. 이를 one-shot learning이라고 하는데, 이 한장의 사진으로부터 다른 사람의 사진이 얼마나 떨어져 있고, 또 같은 사람을 찾을 수 있는 image retrieval 에서 이 similarity learning 과 deep metric learning이 빛날 수 있다고 합니다. 

 

출처 : ChatGPT, https://towardsdatascience.com/the-why-and-the-how-of-deep-metric-learning-e70e16e199c0