最終更新日：2026年8月26日
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とTriplet Lossは、どちらも埋め込み空間で距離関係を学ぶ損失関数です。
最大の違いは入力の組です。
- Contrastive Loss：類似・非類似のペア
- Triplet Loss：Anchor・Positive・Negativeの三つ組
G検定では、ペアか三つ組かを最初に見ると切り分けやすくなります。
直感的な説明
Contrastive Lossは、
「この2つは近づける？ 離す？」
と判断するイメージです。
Triplet Lossは、
「AnchorはNegativeよりPositiveに近くあるべき」
という相対関係を学びます。
Contrastive
A ↔ B
Triplet
Positive ← Anchor → Negative
近く 遠く
定義・仕組み
Contrastive Loss
主に2つのデータをペアとして扱います。
- 類似ペア → 距離を小さくする
- 非類似ペア → 距離が近すぎるとペナルティ
標準的な形では、非類似ペアにmarginを設けることがあります。
Triplet Loss
3つのデータを使います。
- Anchor：基準
- Positive：Anchorと近づけたいデータ
- Negative：Anchorから遠ざけたいデータ
目標は、概念的には次の関係です。
距離(Anchor, Positive) + margin
<
距離(Anchor, Negative)
つまり、絶対的な距離だけではなく、PositiveとNegativeの相対的な位置関係を学びます。
いつ使う？（得意・不得意）
| 観点 | Contrastive Loss | Triplet Loss |
|---|---|---|
| 入力 | 2点のペア | 3点の三つ組 |
| 代表語 | 類似・非類似 | Anchor / Positive / Negative |
| 学習の中心 | ペア間距離 | 相対距離 |
| 共通点 | 埋め込み・距離学習 | 埋め込み・距離学習 |
どちらも、顔認識・類似検索などで使われます。
性能は損失の名前だけで決まらず、どのペア・三つ組を学習に選ぶかも重要です。
G検定ひっかけポイント
- ❌「Triplet Lossは2点のペアだけで学習する」
- Anchor・Positive・Negativeの三つ組が基本です。
- ❌「Contrastive LossとTriplet Lossは分類クラス確率を直接最大化する」
- 中心は埋め込み空間の距離関係です。
- ❌「Contrastive Lossは必ず絶対距離そのものを最小化するだけ」
- 類似・非類似とmarginを使って距離関係を調整します。
- ❌「Triplet Lossならデータの選び方は重要ではない」
- 三つ組の作り方は学習に大きく影響します。
- ⭕「Anchor / Positive / Negative」→ Triplet Loss
- ⭕「類似ペア / 非類似ペア」→ Contrastive Loss
Cross Entropyとの違い
- 正解クラスの確率を高くする → Cross Entropy
- ペア・三つ組の距離関係を学ぶ → Contrastive / Triplet Loss
ただし実際のモデルでは、距離学習の損失と分類損失を組み合わせて使う場合もあります。
まとめ（試験直前用）
- Contrastive Loss＝ペア
- Triplet Loss＝Anchor・Positive・Negative
- どちらも埋め込み・距離学習
- Tripletは相対距離が中心
- 「Anchor」が出たらTripletを疑う