Triplet Loss
三元组（Triplet）计算而来的损失（Loss）
由Anchor(A)，Negative(N)，Positive(P)组成，基点为A,正匹配为P，负匹配为N。
Triplet Loss的学习目标可以形象的表示如下图：
网络没经过学习之前，A和P的欧式距离可能很大，A和N的欧式距离可能很小，如上图左边，在网络的学习过程中，A和P的欧式距离会逐渐减小，而A和N的距离会逐渐拉大。
网络会直接学习特征间的可分性：同一类的特征之间的距离要尽可能的小，而不同类之间的特征距离要尽可能的大。
通过学习，使得类间的距离要大于类内的距离。
损失函数为：
其中，左边的二范数表示类内距离，右边的二范数表示类间距离，α是一个常量。优化过程就是使用梯度下降法使得损失函数不断下降，即类内距离不断下降，类间距离不断提升。
Hard Triplets
理论上说，为了保证网络训练的效果最好，我们要选择hard positive
以及hard negative
来作为我们的三元组
Hard Triplets应该是满足类内距离最大化并且类间距离最小化的三元组。