三元組損失

三元組損失是一種被廣泛套用的度量學習損失，之後的大量度量學習方法也是基於三元組損失演變而來。

基本介紹

• 中文名：三元組損失
• 外文名：Triplet loss

介紹

三元組損失需要三張輸入圖片和對比損失不同。一個輸入的三元組（Triplet）包括一對正樣本對和一對負樣本對。三張圖片分別命名為固定圖片(Anchor) a ，正樣本圖片(Positive)p和負樣本圖片(Negative) n 。圖片和圖片 為一對正樣本對，圖片和圖片為一對負樣本對。則三元組損失表示為：

其中，仍然表示樣本之間特徵的距離。如下圖1所示，三元組可以拉近正樣本對之間的距離，推開負樣本對之間的距離，最後使得相同ID的行人圖片在特徵空間裡形成聚類，達到行人重識別的目的。

圖1

核心思想

TriHard損失的核心思想是：對於每一個訓練batch，隨機挑選 P 個ID的行人，每個行人隨機挑選 K 張不同的圖片，即一個batch含有 P×K 張圖片。之後對於batch中的每一張圖片a ，我們可以挑選一個最難的正樣本和一個最難的負樣本和a 組成一個三元組。