機械学習アルゴリズム（CNN？）を使用/トレーニングして、画像間の細部の小さな違い（赤や他の色の色合いのわずかな違い、または他の非常に類似した画像間の小さなオブジェクトの存在など）を区別できるかどうか疑問に思っていましたか？ ）？そして、これらの違いに基づいて画像を分類しますか？これが現在の機械学習アルゴリズムで困難な作業である場合、どのように解決できますか？より多くのデータ（より多くの画像）を使用すると役立ちますか？
また、可能であれば、これに焦点を当てた研究への言及を提供していただければ幸いです。
私は機械学習を始めたばかりで、これは私の研究から疑問に思っていることです。
ありがとうございました。
回答:
Attentive Recurrent Comparators（2017、Pranav Shyam、Shubham Gupta、Ambedkar Dukkipati）は、疑問に思う質問に答えるのに役立つ興味深い論文であり、簡単な言葉でそれを説明するのに役立つブログ投稿があります。
実装方法は実際にはかなり直感的です。2つの画像を使用して「違い」ゲームをプレイしたことがある場合、通常、画像間を前後に見て違いを確認します。研究者が作成したネットワークはまさにそれを実行します！1つの画像を見て、その画像に関する重要な機能を記憶し、もう1つの画像を見て前後に行き来します。
まったく同じに見えても、クラスを区別する方法を学ぶために構築されたネットワークが存在します。通常、これらのネットワークでは、ターゲット、正のサンプル、負のサンプルの違いを学習するために三重項損失が使用されます。
たとえば、これらのネットワークは、顔画像を使用してIDチェックを実行するために使用され、アルゴリズムは、人を認識するのではなく、異なる人の違いを学習します。
キーワード：識別関数、トリプレット損失、シャムネットワーク、ワンショット学習。
これらの論文は興味深いものです。