contrastive loss
参考讲解:https://blog.csdn.net/qq_39575835/article/details/111252909 http://haokailong.top/2020/11/13/Contrastive-Loss/
对比学习出发点
- 相似样本映射之后距离比较近
- 不相似样本映射之后距离比较远
规定相似度函数为 ,那么contrastive loss定义如下:
其中,是一组 positive pair,
是一组 negetive pair,loss 目标是的 positive pair 映射之后相似度足够高,negetive pair 相似度足够低。
wav2vec loss
对比 wav2vec 的 loss 和前面所讲的 loss,基本是差不多的,除了第二项 negetive pair 部分。前面的 contrastive loss 展开之后是 怕 positive pair 的相似度减去 negetive pair 的相似度。而在 wav2vec 中,则是在相似度前面加了个负号,从而实现相同的目的。式中的
是一个线性映射函数,从
映射到
域( C 是 contex representation,Z 是 latent feature space)
网络架构
CNN 架构,利用两个 CNN 网络分别提取 C 和 Z,采用下一个状态预测任务进行模型的训练。
Wav2vec2.0
网络架构
CNN + transformers,利用 CNN 进行特征提取,