Catching Image Retrieval Generalization

要約

過学習と一般化の概念は、機械学習モデルを評価するために不可欠です。
この研究では、一般的な Recall@K メトリクスがデータセット内のクラスの数に依存しており、一般化を推定する能力が制限されていることを示します。
この問題を解決するために、検索パフォーマンスを測定し、Recall@K とは異なり汎化を推定する新しいメトリックを提案します。
提案されたメトリクスを一般的な画像検索方法に適用し、深層メトリクス学習の一般化に関する新しい洞察を提供します。

要約(オリジナル)

The concepts of overfitting and generalization are vital for evaluating machine learning models. In this work, we show that the popular Recall@K metric depends on the number of classes in the dataset, which limits its ability to estimate generalization. To fix this issue, we propose a new metric, which measures retrieval performance, and, unlike Recall@K, estimates generalization. We apply the proposed metric to popular image retrieval methods and provide new insights about deep metric learning generalization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google