保持难度：Siamese网络训练中三元组损失的边界调度器
机器学习
2026-03-30 v1
摘要
三元组边界排序损失是Siamese网络求解距离度量学习（DML）问题中最广泛使用的损失函数之一。该损失函数依赖于边界参数μ，定义了训练期间正负对之间应保持的最小距离。在本工作中，我们表明在训练过程中，许多三元组的有效边界往往超过μ的预设值，前提是观察到足够数量的违反该边界的三元组。这一行为表明，在整个训练过程中固定边界可能限制学习过程。基于此观察，我们提出了一种边界调度器，根据每个epoch观察到的简单三元组比例调整μ的值，旨在随时间保持训练难度。我们证明所提出的策略相较于恒定边界和单调递增边界方案均能提升性能。四个不同数据集上的实验结果展示了验证性能的一致提升。
引用
@article{arxiv.2603.26389,
title = {Maintaining Difficulty: A Margin Scheduler for Triplet Loss in Siamese Networks Training},
author = {Roberto Sprengel Minozzo Tomchak and Oge Marques and Lucas Garcia Pedroso and Luiz Eduardo Oliveira and Paulo Lisboa de Almeida},
journal= {arXiv preprint arXiv:2603.26389},
year = {2026}
}