针对跨场景人员重新识别（Re-ID），提出了一种有区别的深度传输度量学习方法，称为DDTML。 为了在新场景中开发Re-ID模型，认为有必要使用大量成对的，跨相机视图的人像。 然而，由于金钱成本和贴标签时间，这项工作非常昂贵。 为了解决这个问题，提出了一种跨场景的Re-ID DDTML。 具体地，为了测量跨场景的分布差异，通过将数据的判别信息嵌入到最大平均差异的概念中，提出了一种基于类分布的最大平均差异。 与大多数度量学习方法通​​常会学习线性距离以将数据投影到特征空间不同，DDTML使用深度神