近年、コンピュータビジョンの分野は、大規模データセットの出現と深層畳み込みニューラルネットワークを用いたエンドツーエンド学習の採用により、革命的な変化を遂げています。個人再識別（person re-identification）サブフィールドも例外ではありません。しかし、コミュニティ内では依然として三つ組損失（triplet loss）が、分類や検証などの代替損失関数を使用し、その後に独立した計量学習ステップを行う方法よりも劣っているという見方が支配的です。本研究では、スクラッチから訓練されたモデルおよび事前学習済みモデルにおいて、三つ組損失の変種を用いて行うエンドツーエンドの深層計量学習が、他の多くの既存手法を大幅に上回ることを示しています。