التمثيلات العميقة تجيب على سؤال بسيط: كم هي صورتان متشابهتان؟ تعلم هذه التمثيلات هو أساس التحقق والتعلم بدون أمثلة (zero-shot learning) والبحث البصري. أكثر النهج بروزًا يُحسِّن شبكة عميقة انتقالية مع دالة خسارة مناسبة، مثل الخسارة المضادة (contrastive loss) أو الخسارة الثلاثية (triplet loss). بينما تركز سلسلة غنية من الأعمال فقط على دوال الخسارة، نوضح في هذا البحث أن اختيار الأمثلة التدريبية يلعب دورًا مهمًا بنفس القدر. نقترح العينات المرجحة بالمسافة، والتي تختار أمثلة أكثر إفادة واستقرارًا من النهج التقليدية. بالإضافة إلى ذلك، نوضح أن دالة خسارة بسيطة تعتمد على الهامش كافية للتفوق على جميع دوال الخسارة الأخرى. نقيم منهجيتنا على مجموعات بيانات ستانفورد للمنتجات عبر الإنترنت وCAR196 وCUB200-2011 لاسترجاع الصور وتجميعها، وعلى مجموعة بيانات LFW للتحقق من الوجه. طريقتنا تحقق أداءً رائدًا في جميعها.