在这项工作中，我们解决了零射击度量学习问题，并提出了一种缩写为ZSML的新方法，目的是学习一种用于度量未见类别（甚至是未见数据集）相似度的距离度量。 ZSML通过捕获数据之间的多非线性但连续的关系来实现强大的可传递性。 它是由两个事实引起的：1）关系可以从各种角度进行本质上的描述； 2）传统的二元监督不足以代表连续的视觉相似性。 具体来说，我们首先重新构造一组特定形状的卷积核，以组合数据对并生成多个关系向量。 此外，我们设计了一个新的交叉更新回归损失，以发现连续的相似性。 广泛的实验（包括在四个