深層計量学習は、意味的に類似した画像が埋め込み空間において近い位置に配置され、意味的に異なる画像が遠い位置に配置されるような埋め込みを定義することを目指しています。これまでの多くの研究では、同じクラスの画像を可能な限り埋め込み空間で近づけるための損失関数や学習戦略に焦点を当ててきました。本論文では、その代替案として、各訓練画像を同じクラス内の最も類似した例のみにマッピングする緩和された埋め込み戦略を提案します。この手法を「イージーポジティブ（Easy Positive）」マイニングと呼びます。私たちは一連の実験と可視化を行い、「イージーポジティブ」マイニングがより柔軟な埋め込みを生成し、新しい未見データに対する汎化性能が向上することを示しました。この単純なマイニング戦略は、CUB、Stanford Online Products、In-Shop Clothes、Hotels-50Kなどの画像検索データセットにおいて、最先端の手法（複雑な損失関数やアンサンブル手法を使用するものも含む）を超えるリコール性能を達成しています。