netvlad
NetVLAD
클립 임베딩을 K개의 학습 가능한 군집 중심에 소프트 할당하고 각 중심에 대한 잔차 합을 정규화해 고정 길이 요약을 생성하는 집계 기법이다. 본 연구에서는 K=2로 설정하여 클러스터별 잔차를 결합하고 최종 L2 정규화를 통해 스피커 수준 표현을 만든다. 소규모 불균형 데이터에서는 라우팅 학습이 불안정해 단일 클래스 예측으로 수렴하는 경향이 관찰되었다.
중급
NetVLAD
클립 임베딩을 K개의 학습 가능한 군집 중심에 소프트 할당하고 각 중심에 대한 잔차 합을 정규화해 고정 길이 요약을 생성하는 집계 기법이다. 본 연구에서는 K=2로 설정하여 클러스터별 잔차를 결합하고 최종 L2 정규화를 통해 스피커 수준 표현을 만든다. 소규모 불균형 데이터에서는 라우팅 학습이 불안정해 단일 클래스 예측으로 수렴하는 경향이 관찰되었다.