亲自reidentification距离度量学习从骗子人遭受巨大的挑战。大多数情况下,距离度量学习积极对之间的相似性最大化对骗子情态动词在不同的变换。此外,这些骗子了<我t一个lic> 画廊视图查询只样本,而画廊样品是完全忽略。在现实世界中,一个给定的查询和画廊体验不同姿势的变化,观点,和照明。因此,只有从骗子<我t一个lic> 画廊视图可以不是最优最大化他们的相似之处。因此,为了解决这些问题,我们提出了一个骗子弹性复合指标(IRM3)。IRM3学到每个模态变换在图像空间和使用冒名顶替者<我t一个lic> 探针和<我t一个lic> 画廊视图来有效地限制大量的骗子。学到IRM3然后评估在三个基准数据集,蝰蛇CUHK01, CUHK03,显示了许多以前的方法相比,性能显著改善。