Triplet Loss

1 定义

Triplet Loss 也是一种用于训练样本差异化的函数，它的输入是一个三元组，包括锚（Anchor）示例、正（Positive）示例、负（Negative）示例，通过优化锚示例与正示例的距离小于锚示例与负示例的距离，实现样本之间的相似性计算。
公式为：
\(L=\max (d(a, p)-d(a, n)+\text { margin }, 0)\)
其中：

• a：anchor，锚示例
• p：positive，与a是同一类别的样本
• n：negative，与a是不同类别的样本
• margin是一个大于0的常数

最终的优化目标是拉近 a 和 p 的距离，拉远 a 和 n 的距离。

2 样本分类

对于构造 Triplet Loss 的训练样本分为 3 类
1）Easy Triplets：\(L=0\) ，即 \(d(a, p)+\text{ margin } < d(a, n)\)，这种情况不需要优化，天然a和p的距离很近，a和n的距离很远

2）Hard Triplets： \(L > \text{margin}\)，即 \(d(a, n) > d(a, p)\) ，a和n的距离近，a和p的距离远，这种情况损失最大，需要优化

3）Semi-hard Triplets： \(L < \text{margin}\) ，即 \(d(a, p) < d(a, n) < d(a, p)+\text{ margin }\) ，即a和p的距离比a和n的距离近，但是近的不够多，不满足margin，这种情况存在损失，但损失比hard triplets要小，也需要优化

参考文献

[1] https://zhuanlan.zhihu.com/p/171627918