Triplet loss与度量学习

  Triplet loss 是一种非常常用的度量学习方法，而Quadruplet loss 和 TriHard loss 是它的两个改进版本。Quadruplet loss 相对于 Triplet loss 考虑了正负样本对之间的绝对距离，而 TriHard loss 则是引入了 hard sample mining 的思想。
  度量学习的目标是学习一个函数g(x):R1->R2，使得R1空间上语义相似度反映在R2空间的距离上。 通常我们需要定义一个距离度量函数来表示嵌入空间（Embedding space）的距离。