基于惩罚感知中心损失函数的用于细粒度物体检索方法，涉及深度度量学习和细粒度对象检索。包括以下步骤：1)使用resnet50网络对图片进行特征抽取，获得到对于输入信息的维度为2048的向量表征；2)将全连接层的权重当做细粒度物体的全局中心点来构建全新的tripletloss损失函数；3)在获得全局中心的基础上，计算每一个batch中的局部中心点，然后通过惩罚感知中心损失函数修正全局中心点，使最后参与计算的中心点尽可能接近实际意义上的中心点。充分利用全局数据分布和局部数据分布相结合的表达能力来学习高质量的距离度量。在广泛使用的数据集CUB‑200‑2011上验证该方法的有效性。