FaceNet: 认识理解triplet loss

2015年的cvpr，FaceNet: A UnifiedEmbedding for Face Recognition and Clustering，取得了当时人脸识别的state-of-the-art，论文主要提出了tripletloss这一思想；

triplet就是一个由（Anchor ,Positive,Negative）组成的三元组。其中，Anchor（表示为Xa）为锚，表示从数据集中随机选择的一个样本，Positive（表示为Xp）表示和Anchor属于同一类别的样本，Negative（表示为Xn）表示和Anchor属于不同类别的样本。

tripletloss的作用就是训练的过程中，使得Xa与Xp之间的距离尽可能小，Xa与Xn之间的距离尽可能大，为了绝对的区分开，真正做到discriminative，还要使得Xa与Xp的距离比Xa与Xn的距离小一个间隔，类似svm中的几何间隔。

                             

triplet loss相应的目标函数为：

             

即目标函数取0或者上面式子的最大值，当上面式子有值的时候，表示会产生损失，为0的时候表示没有产生损失。