Contrastive LossとTriplet Lossの違いは関連概念を切り分けるための考え方です。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とTriplet Lossの違い【G検定対策】

まず結論

  • Contrastive Loss は「2点（ペア）」の距離を調整し、
    Triplet Loss は「3点（トリプレット）」の相対関係を学習する。
  • G検定では ペアか3点か・何を基準に距離を比べるか が問われる。

直感的な説明

  • Contrastive Loss
    👉「この2つ、似てる？似てない？」
  • Triplet Loss
    👉「Aに一番近いのは、B？それともC？」

つまり
絶対距離か
相対距離か
の違い。

定義・仕組み

Contrastive Loss

  • 入力：データのペア
    • 類似ペア
    • 非類似ペア
  • 目的：
    • 類似 → 距離を小さく
    • 非類似 → 距離を大きく

Triplet Loss

  • 入力：3点セット（トリプレット）
    • Anchor（基準）
    • Positive（同じクラス）
    • Negative（異なるクラス）
  • 目的：
    • Anchor–Positive < Anchor–Negative
      となるように学習

👉 距離の大小関係そのものを学習する。

いつ使う？（得意・不得意）

Contrastive Loss が向く

  • 類似・非類似が明確
  • ペアデータが作りやすい
  • 小〜中規模タスク

Triplet Loss が向く

  • クラス内のばらつきが大きい
  • 類似度の順位が重要
  • 顔認識・人物認識など

G検定ひっかけポイント

  • ❌「Triplet Lossはペアで学習する」
  • ❌「Contrastive Lossは相対順位を学習する」
  • ❌「どちらも分類損失である」

👉 どちらも距離学習・分類精度は直接扱わない

判断基準

  • 2点で距離調整 → Contrastive Loss
  • 3点で距離比較 → Triplet Loss
  • 順位・相対関係 → Triplet Loss

まとめ（試験直前用）

  • Contrastive：ペア・絶対距離
  • Triplet：3点・相対距離
  • どちらも埋め込み学習
  • 分類損失ではない
  • 「Anchor」が出たらTriplet

🔗 関連記事

🏠 G検トップに戻る