大量标签的一种热编码
one hot encoding for huge number of tags
有个问题很困惑，想请教各位大神。我正在研究张量流中的卷积神经网络。现在我有带标签的图像。大约有 10000 个唯一标签，我希望自动标记图像。
现在我对标签使用一种热编码。对于 10000 个唯一标签，它就像功能中断一样。我们如何处理这种情况？
facebook是怎么做人脸标注的？有数百万张面孔。我猜他们不会对面部标签进行一种热编码吧？
在人脸识别中，处理数百万 classes 的标准方法是使用 嵌入 。 CNN 生成大小介于 64 和 1024 之间的嵌入。
在这个嵌入space中，每个class图像应该形成一个图像簇，并且不同class的簇应该相距很远。
Facebook 的方法在他们的 DeepFace paper (June 2014), but I would recommend a more recent approach from Google using triplet loss: FaceNet: A Unified Embedding for Face Recognition and Clustering 中有所描述。
有个问题很困惑，想请教各位大神。我正在研究张量流中的卷积神经网络。现在我有带标签的图像。大约有 10000 个唯一标签，我希望自动标记图像。 现在我对标签使用一种热编码。对于 10000 个唯一标签，它就像功能中断一样。我们如何处理这种情况？
facebook是怎么做人脸标注的？有数百万张面孔。我猜他们不会对面部标签进行一种热编码吧？
在人脸识别中，处理数百万 classes 的标准方法是使用 嵌入 。 CNN 生成大小介于 64 和 1024 之间的嵌入。
在这个嵌入space中，每个class图像应该形成一个图像簇，并且不同class的簇应该相距很远。
Facebook 的方法在他们的 DeepFace paper (June 2014), but I would recommend a more recent approach from Google using triplet loss: FaceNet: A Unified Embedding for Face Recognition and Clustering 中有所描述。