التحقق من القرابة يهدف إلى تحديد ما إذا كانت هناك علاقة قرابة بين صورتين للوجه معطوتين. تولد قواعد بيانات التحقق من القرابة بيانات غير متوازنة. في قاعدة بيانات تحتوي على N زوجًا إيجابيًا من علاقات القرابة، نحصل بشكل طبيعي على N(N-1) زوجًا سلبيًا. كيفية الاستفادة الكاملة من الأزواج الإيجابية المحدودة واستخراج المعلومات التمييزية من العينات السلبية الكافية لتحقق القرابة لا تزال مشكلة مفتوحة. لحل هذه المشكلة، نقترح في هذا البحث نهج التعدين الميتا التمييزي (DSMM). على عكس الطرق الحالية التي غالبًا ما تقوم ببناء مجموعة بيانات متوازنة باستخدام أزواج سلبية ثابتة، نقترح استخدام جميع الأزواج الممكنة والتعلم الآلي للمعلومات التمييزية من البيانات. بشكل خاص، نقوم باختيار دفعة تدريب غير متوازنة ودفعة تدريب ميتا متوازنة لكل تكرار. ثم نتعلم التعدين الميتا باستخدام التدرج الميتا على الدفعة التدريبية الميتا المتوازنة. في النهاية، يتم إعادة وزن العينات في الدفعة التدريبية غير المتوازنة بواسطة التعدين الميتا المستفاد منه لتحسين نماذج القرابة. تظهر النتائج التجريبية على قواعد البيانات الشهيرة KinFaceW-I، KinFaceW-II، TSKinFace، وCornell Kinship فعالية النهج المقترح.