Euclidean distance（欧式距离）和 Frobenius norm（弗洛贝尼乌斯范数）

一、欧氏距离

如果来两张图片经过训练的分类器提取的 high-level features 在 Euclidean distance（欧氏距离）接近，就认为它们具有相同的内容

具体定义参考

欧几里得度量（euclidean metric）（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离

二、弗罗贝尼乌斯范数

如果经过训练的分类器提取的 low-level features 在 Frobenius norm（Frobenius 范数）接近，就认为这两幅图像在风格上是相似的

这里 A* 表示 A 的共轭转置，σi 是 A 的奇异值，并使用了迹函数。
最常见的定义是矩阵各元素平方和的二次方根。

通俗说就是矩阵中的元素的平方和再开方