我们将形状匹配问题视为卷积网络中的度量学习任务。我们将图像表示的端到端过程分解为两个部分。首先，选择已经建立且高效的方法将图像转换为边缘图。其次，利用通过运动结构管道自动获得的地标图像的边缘图来训练网络。所学的表示方法在一系列不同的任务中进行了评估，包括在领域泛化、基于草图的通用图像检索及其细粒度对应任务中的挑战性案例上提供了改进。与其他针对每个任务、对象类别或领域学习不同模型的方法相比，我们在所有实验中使用了相同的网络，在多个基准测试中取得了最先进的结果。