Triplet Loss

Triplet Lossとは、機械学習における距離学習（Metric Learning）で用いられる損失関数の一つです。あるデータを基準（アンカー）とし、それと同じクラスのデータ（ポジティブ）との距離を縮め、異なるクラスのデータ（ネガティブ）との距離を広げるように学習します。

仕組みとして、アンカー、ポジティブ、ネガティブの3つをセットで入力します。これら3つのデータの埋め込み空間上の距離を計算し、類似するものは近く、異なるものは遠くへ配置するようにネットワークを最適化します。これにより、クラス分類だけでなく、データの類似度判定が精緻に行えるようになります。

G検定では、顔認証システムなどの識別モデルで頻出する手法として問われます。分類問題の交差エントロピー誤差との違いを理解し、なぜ距離を学習させる必要があるのか、その目的（似ているものを似ていると認識させる）を明確に区別できるようにしておきます。