backbone: faceNet
emb size: 16
Data: Cooper metahuman synthetic 2D image 3,000 장
full_ROM: 36,157장 + CTRL_expr_values 94개
이미지 별 레이블 개수
label 0: 8532 label 1: 6609 label 2: 6548 label 3: 6248 label 4: 273 label 5: 439 label 6: 432 label 7: 860 label 8: 2353 label 9: 46 label 12: 46 label 16: 2354 label 18: 46 label 20: 45 label 24: 1326
레이블은 0, 1, 2, 3, 8, 16, 24만 사용
그 중 label 0은 CTRL_expr_value = 0.08 미만인 이미지들로 구성
나머지 label은 CTRL_expr_value = 0.8 이상인 이미지들로 구성
그렇게 했을 때 label 개수
label 0: 1525 label 1: 2424 label 2: 2424 label 3: 2479 label 8: 1769 label 16: 1772 label 24: 997
train set / validation set은 어떻게 나눌건지
train set image 10,042 장
label 0: 1143 label 1: 1818 label 2: 1818 label 3: 1860 label 8: 1326 label 16: 1329 label 24: 748
validation set image 3,348 장
label 0: 382 label 1: 606 label 2: 606 label 3: 619 label 8: 443 label 16: 443 label 24: 249
train triplet: 50k / validation triplet: 10k
high-order module에 low dimension으로 내려주는 linear layer에서 bias=False를 해야하는가에 대해…
bias=False
is in layers before/after Batch Normalization with no activators in between.