三元组损失
外观
三元组损失是机器学习算法中的一种损失函数,该损失函数将锚点(anchor)样本与正(positive)样本和负(negative)样本进行比较。具体做法是,将锚点样本与正样本之间的距离最小化,将锚点样本与负样本之间的距离最大化。 [1] [2] 2003 年,早期的三元组损失公式(未使用锚点样本)由 M. Schultze 和 T. Joachims 依照相对比较法提出,将其用于度量学习。 [3]
- 其中是一个锚点样本, 是与同类的正样本, 是与不同类别的负样本, 是正负样本对之间的松弛边距,是嵌入向量。
参见
[编辑]- 孪生神经网络
- t-分布随机相邻嵌入
- 学习排名
- 相似性学习
参考
[编辑]- ^ Chechik, G.; Sharma, V.; Shalit, U.; Bengio, S. Large Scale Online Learning of Image Similarity Through Ranking (PDF). Journal of Machine Learning Research. 2010, 11: 1109–1135.
- ^ Schroff, F.; Kalenichenko, D.; Philbin, J. FaceNet: A unified embedding for face recognition and clustering. 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). June 2015: 815–823. ISBN 978-1-4673-6964-0. arXiv:1503.03832
. doi:10.1109/CVPR.2015.7298682.
- ^ Schultz, M.; Joachims, T. Learning a distance metric from relative comparisons (PDF). Advances in Neural Information Processing Systems. 2004, 16: 41–48 [2021-09-08]. (原始内容存档 (PDF)于2020-10-28).