triplet loss （原理 + 实现）

一、triplet loss 原理

triplet：一个三元组，这个三元组是这样构成的：从训练数据集中随机选一个样本，该样本称为Anchor，然后再随机选取一个和Anchor (记为x_a)属于同一类的样本和不同类的样本,这两个样本对应的称为Positive (记为x_p)和Negative (记为x_n)，由此构成一个三元组。

triplet loss：针对三元组中的每个元素（样本），训练一个参数共享或者不共享的网络，得到三个元素的特征表达，分别记为：f(x_a)、f(x_p)、f(x_n)。通过学习，让x_a和x_p特征表达之间的距离尽可能小，而x_a和x_n的特征表达之间的距离尽可能大，并且要让x_a与x_n之间的距离和x_a与x_p之间的距离之间有一个最小的间隔。

目标函数：距离用欧式距离度量，+表示[]内的值大于零的时候，取该值为损失，小于零的时候，损失为零。 

               

二、triplet loss 实现

1、caffe中triplet loss layer的实现

          http://blog.youkuaiyun.com/tangwei2014/article/details/46812153

      2、视频应用

          https://github.com/xiaolonw/caffe-video_triplet