نُقدّم طريقة فعّالة لتعلم واصفات محلية عميقة للتمييز على مستوى المثيل. يتم تدريب النموذج باستخدام أمثلة فقط من أزواج صور إيجابية وسلبية، ويتم تنفيذه كتعلم للقياس من خلال واصفات صورة عالمية مجمّعة بالجمع. أثناء الاستدلال، تُقدّم الواصفات المحلية من خلال نشاطات المكونات الداخلية للشبكة. نُظهر سبب كون هذا النهج يُنتج واصفات محلية تعمل بكفاءة عالية في تقدير التشابه بين الصور باستخدام طرق مُطابقة كلاسيكية فعّالة. تُجري الدراسة التجريبية تقييمًا للتنازل بين الأداء ومتطلبات الذاكرة بالنسبة لأفضل طريقة حالية للبحث في الصور تعتمد على نماذج المطابقة. مقارنةً بالوصفات المحلية الحالية، تُظهر الوصائف المقترحة أداءً أفضل في مهامين للتمييز على مستوى المثيل، مع الحفاظ على متطلبات الذاكرة منخفضة. نُظهر تجريبيًا أن الوصائف العالمية ليست فعّالة بما يكفي على نطاق واسع، وأن الوصائف المحلية ضرورية. ونحقق أداءً يُعدّ من أفضل الأداء في المجال، وفي بعض الحالات حتى باستخدام شبكة أساسية صغيرة مثل ResNet18.