Metric Learning（度量学习）

度量学习通过神经网络将样本映射到嵌入空间，并优化距离约束。常用损失函数包括对比损失、三元组损失、N-pair损失等，其中三元组损失需挖掘难样本。度量学习与自监督学习结合紧密，如SimCLR使用对比损失拉近同一图像的不同增强视图。在少样本学习中，度量学习通过比较查询与支持集的距离进行分类。代表性工作有FaceNet、Deep Metric Learning with Angular Loss等。