Introduction
（1）Motivation：
当前的行人重识别方法都只能在标准的数据集上取得好的效果，但当行人被遮挡或者肢体移动时，往往效果不佳。
（2）Contribution：
① 提出了一个基于区域的适应性质量估计网络（adaptive region-based quality estimation network，RQEN），包含了区域性特征提取模块和基于区域的质量预测模块。其旨在减小低质量图像区域的影响，利用序列中的区域互补。
② 提供了一个大规模的较整洁的数据集：Labeled Pedestrain in the Wild（LPW），包含了2731个行人，从3个不同场景拍摄，每个行人被2-4个相机捕获，共7694个tracklet、590000帧。该数据集囊括了孩童到老人、步行和快跑等不同的场景。
Proposed Method
输入：一个行人的图像序列 S = {I1, I2, ..., In}
区域特征提取模块：landmark detector标记行人身体的关键点 [Wei 2016. Convolutional pose machines.CVPR]，middle representation按照关键点位置进行划分，然而由于分辨率低的原因，划分常常不够精确。采用的方法：按照关键点分布，将人体大致分为三个部分，定义 u、m、l 为上部、中部、下部区域，分别生成特征向量，即 
，并进行平均池化。
质量预测模块：对区域特征生成质量估计
。
最终生成视频特征表示 Fw(S)。
（1）区域生成策略：
令 Pi = {p1, p2, ..., pm} 为图像 Ii 的坐标（landmark）集合，m 为坐标点的数量（作者设置 m = 14），如图：
由于低分辨率和遮挡等影响，很多情况下坐标点很难被确定。
采用 k-means 聚类方法对三个集合进行聚类，聚类的设定为：S1P = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]，S2P = [9, 10, 11, 12]，S3P = [11, 12, 13, 14].
（2）区域质量预测：
middle representation 输入到卷积网络中，该网络包含卷积层和全连接层，输出的 orignial score μori(Ii) 对应了图片不同的区域，再通过sigmoid函数求出各区域的[0, 1]得分，视频序列不同帧中属于同一区域的得分进行正则化，得到最终结果。
（3）设置聚合单元：
一个图像集合 S = {I1, I2, ..., In}，对于每帧图片，有不同的区域表征：
，区域对应的质量评估得分为：
，则生成的特征为：
，其中：
（4）联合训练帧级特征和视频级特征：
训练帧级特征是为了让同一视频内部更紧凑，训练视频级特征是为了让不同视频间更有区分度。
损失函数：
其中三元组损失函数为：
距离采用 L2-norm 距离。
在区域质量估计部分，T表示输入的数据，输出的 orignial score μori(Ii) 为：
再进行正则化：
Experiments
（1）数据集：PRID2011、iLIDS-VID、MARS、LPW
（2）实验结果：
（1）本方法分析：
method(a)：GoogLeNet+batch norm（用ImageNet model初始化）[baseline]
method(b)(c)(d)：+RU、+RM、+RL表示不同的区域特征
method(e)：+QFix表示质量生成单元中设置所有质量得分为1，即消除质量得分的影响
method(f)：+MP表示控制参数数量不变（作者提到在RQEN方法中参数会变多？这是为什么？）
（2）对比方法分析：
