Triplet Loss

本文介绍了Triplet Loss的概念及其在深度学习中的应用。通过定义Triplet(包含Anchor、Positive及Negative样本),并使用Triplet Loss来优化模型,使同类样本间的距离最小化而异类样本间距离最大化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

对于训练数据中的一个随机样本 anchor,选择与anchor为同一类的样本记为positive,选择与anchor不为同一类的样本记为negative,这3个样本构成一个Triplet(anchor, positive, negative)
对Triplet中的每一个元素进行训练得到的特征表示分别为f(xai),f(xpi),f(xni),Triplet Loss让同类的距离尽可能小,异类距离尽可能大,且xaxp之间的距离和xax之间的距离至少相差α
 

||f(xai)f(xpi)||22+α<||f(xai)f(xpi)||22

得到对应的目标函数为
i=1N[||f(xai)f(xpi)||22||f(xai)f(xpi)||22+α]+
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值