标签： tensorflow neural-network deep-learning triplet
最近，我正在使用三重丢失进行分类任务，VGG16用于提取要素作为骨干网。
三重损失用于优化正样本，负样本与锚点之间的距离，余量用作阈值。
但是我发现使用数据增强时，三重态损失不会低于裕度。这意味着正样本，负样本和锚点之间的距离全部为0，它们聚集在一起。
但是，如果不采用数据扩充并且特征尺寸不太小，则三重态损失可以减少到边际以下。
学习率设置为0.0005，动量优化器，动量= 0.9。
是因为样本本身吗？还是网络？