度量学习中三元组损失不收敛(loss无法下降到margin以下，样本的降维输出聚在一起)

Question

最近在搞三元组损失来做分类的任务，用了VGG16模型进行主干网络进行特征提取，最后用triplet loss来约束网络进行学习。

三元组损失是来优化正样本，负样本与锚点之间的距离的，以margin作为阈值。

但是我在训练时发现使用数据增强的情况下triplet loss并不能降到margin以下，反而是停留在margin附近，此时正样本，负样本，锚点距离都为0，聚在了一起。
而不使用数据增强时只要特征维度不是太小loss就可以降到margin以下。
我的学习率设置为0.0005，MomentumOptimizer，momentum=0.9。

是因为样本本身的原因吗？或者是网络本身的原因？
希望能得到大家的指点，感谢。

Answer 1

可以将margin设置较大，太小的话loss可能收敛比较好，有可能无法拉近anhor与正样本距离。