Triplet-Loss

副标题 / 摘要 Triplet Loss 用“相对排序”表达语义约束：让 anchor 更接近 positive，同时远离 negative。本文包含公式、难例挖掘与最小实验，帮助你把三元组损失用于工程实践。 预计阅读时长：16~20 分钟 标签：triplet-loss、metric-learning、hard-negative SEO 关键词：Triplet Loss, 三元组损失, 度量学习, hard negative 元描述：系统拆解 Triplet Loss 的训练逻辑、采样策略与工程场景。 系列导航 （1/4）对比损失 Contrastive Loss （2/4）三元组损失 Triplet Loss（本文） （3/4）InfoNCE + SimCLR （4/4）CLIP 对比学习目标 目标读者 已了解对比损失，希望理解更强排序约束的读者 需要构建相似度排序系统的工程实践者 想掌握 hard negative mining 逻辑的入门者 背景 / 动机 成对对比只能表达“像 / 不像”，而很多场景需要相对排序： “与 A 更像，而不是 B”。Triplet Loss 用三元组直接编码这种关系， 在检索与验证任务中非常常见。 核心概念 Anchor / Positive / Negative：锚点、同类样本、异类样本。 Margin：要求 anchor 与 negative 至少比 positive 远一个 margin。 Hard Negative Mining：选择最难的负样本提升训练信号。 A — Algorithm（题目与算法） 用通俗语言说明主题内容 Triplet Loss 让“正确的相对关系”成立： ...