IMAGE EMBEDDINGS VIA DEEP LEARNING AND ADAPTIVE BATCH NORMALIZATION

One embodiment of the present invention sets forth a technique for training a machine learning model to generate image embeddings for images captured during multiple experiments. The technique includes inputting a batch of images into a plurality of layers in the machine learning model, wherein the batch of images has been sampled from a plurality of images generated via a first experiment. The technique also includes, for at least one layer included in the plurality of layers, computing a set of statistics associated with a plurality of outputs generated by the layer based on the batch of images and normalizing the plurality of outputs based on the statistics. The technique further includes updating a plurality of parameters for each of the plurality of layers based on a set of predictions generated by the first machine learning model from the batch of images and the normalized plurality of outputs. Un mode de réalisation de la présente invention concerne une technique d'apprentissage d'un modèle d'apprentissage automatique pour générer des incorporations d'image pour des images capturées pendant de multiples expériences. La technique consiste à entrer un lot d'images dans une pluralité de couches dans le modèle d'apprentissage automatique, le lot d'images ayant été échantillonné à partir d'une pluralité d'images générées par une première expérience. La technique consiste également, pour au moins une couche incluse dans la pluralité de couches, à calculer un ensemble de statistiques associées à une pluralité de sorties générées par la couche sur la base du lot d'images et à normaliser la pluralité de sorties sur la base des statistiques. La technique consiste en outre à mettre à jour une pluralité de paramètres pour chaque couche de la pluralité de couches sur la base d'un ensemble de prédictions générées par le premier modèle d'apprentissage automatique à partir du lot d'images et de la pluralité normalisée de sorties.