学习数据之间的有效距离度量因其在各种任务（例如人脸验证，零镜头学习和图像检索）上的出色表现而越来越受欢迎。 主要研究领域是使用硬数据挖掘，它致力于搜索重要数据的子集。 但是，基于硬数据挖掘的方法仅依赖一小部分数据，这很容易过度拟合。 这促使我们提出一种新颖的框架，即通过丰富关系挖掘（DAMLRRM）进行的深度非对称度量学习，以在满足样本量的情况下挖掘丰富的关系。 DAMLRRM构造两个结构不同且长度不相等的非对称数据流。 非对称结构使两个数据流能够相互交织，从而可以在迭代过程中在新数据对之间进行