三元组损失（Triplet Loss）是一种相似性学习的损失函数，首次在2015年FaceNet中提出。它通过确保相似样本之间的距离小于不相似样本之间的距离来优化模型。与对比损失不同，三元组损失允许样本间的变异性，并通过在线三元组挖掘策略提高效率，动态生成有效的三元组以增强模型的学习能力。