Contrastive Loss（コントラスト損失）はを理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk neural_network metrics

G検定トップ ＞ Contrastive Loss（コントラスト損失）とは？【G検定対策】

まず結論

  • Contrastive Loss（コントラスト損失） とは、類似したデータは近づけ、異なるデータは遠ざけるように学習させる損失関数である。
  • G検定では 分類精度との違い・距離学習という目的がよく問われる。

直感的な説明

  • 「似ているものは近くに、違うものは離して配置する」ルール。
  • 例えば顔認識では
    • 同じ人物の画像 → 近く
    • 別人の画像 → 遠く
  • 正解ラベルそのものを当てるのではなく、
    データ同士の関係（距離）を学習するのがポイント。

定義・仕組み

  • Contrastive Loss は 埋め込み学習（Embedding Learning） で使われる。
  • データのペアに対して
    • 類似ペア：距離を小さく
    • 非類似ペア：距離を大きく
  • 損失は 距離に基づいて計算される。

👉 分類精度を直接最大化する損失ではない。

いつ使う？（得意・不得意）

得意

  • 顔認識
  • 画像検索
  • 類似文検索
  • レコメンド

不得意

  • 単純な多クラス分類
  • 正解クラスを直接出したいタスク

G検定ひっかけポイント

  • ❌「分類精度を直接最大化する」
  • ❌「ラベルだけを使い距離を考慮しない」
  • ❌「ノイズデータを優先して学習する」

👉 キーワードは「距離」「類似・非類似」「埋め込み」

判断基準

  • 距離を調整する損失 → Contrastive Loss
  • 正解クラス確率 → Cross Entropy

まとめ（試験直前用）

  • 類似は近く、非類似は遠く
  • 距離ベースの損失関数
  • 埋め込み学習で使用
  • 分類精度を直接扱わない
  • 「距離」という言葉が出たら要注意

🔗 関連記事

🏠 G検トップに戻る