Triplet Loss 公式推导与 BNNeck 的作用
哪些公司问过
答案要点
- 公式:L = max(0, ‖f(a)−f(p)‖² − ‖f(a)−f(n)‖² + α),α 为 margin
- 梯度(L>0 时):∂L/∂f(a)=2(f(n)−f(p)),∂L/∂f(p)=2(f(p)−f(a)),∂L/∂f(n)=2(f(a)−f(n))
- 难样本挖掘:在线挖掘 batch 内最难或半难(semi-hard)负样本,避免大量零梯度
- BNNeck:BN 前特征算 Triplet,BN 后特征算 ID softmax,解耦两种损失的优化空间
- ResNet-IBN 在浅层混合 IN 与 BN,增强跨域泛化
易错点
- 把 max(0, ·) 漏掉,导致损失可以无限变负
- 随机采样三元组:大部分损失为 0,训练效率很低
- 混淆距离形式:FaceNet 用平方欧氏距离,其他实现也可能用非平方距离
面试官常见追问
- 为什么 softmax 和 Triplet 联合训练会冲突?
- 什么是 semi-hard 负样本?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。