Introduction
（1）Motivation:
在匹配過程中，存在行人的不同圖片語義信息不對齊、局部遮擋等現象，如下圖：
（2）Contribution:
① 提出了Spindle Net，包含了多階段ROI池化框架用於提取不同部位的特征，再通過特征融合網絡對不同部位的特征進行融合；
② 設計了SenseReID數據集。
Body Region Proposal Network(RPN)
RPN用於提取行人的區域，分為七個部分：肩膀上、上半身、下半身、左右手、左右腳，如下圖所示：
通過CNN提取得到行人的14個特征映射，每個映射包含了一個關鍵點響應圖，即
，其中 X 和 Y 為特征映射的尺寸。特征映射的生成采用了Convolutional Pose Machines（CPM）。然而CPM的計算成本較高，作者對此做出了網絡的簡化，最終得到14個關鍵點坐標，即：
由此7個分區的檢測框：
，對應7個關鍵點集合：
。RPN的訓練采用MPII人體姿態數據集，損失函數采用預測響應圖和實際響應圖的歐式距離。
Body Region Guided Spindle Net
（1）概述：
網絡包含了兩個部分：Feature Extraction Network（FEN）和Feature Fusion Network（FFN），如上圖所示。FEN的輸入為行人圖片和區域信息，得到行人的全局特征和七個局部特征，最后通過FFN進行特征融合。
（2）Feature Extraction Network（FEN）：
1個全局特征和7個局部特征均通過池化后得到256維的特征向量。FEN包含了3個卷積模塊和2個ROI池化模塊。FEN-C1的輸入為壓縮到96*96的圖片，
的空間尺寸為24*24，
通過了ROI池化，得到空間尺寸也為24*24的映射。同理，第二層、第三層的空間尺寸分別為12*12、6*6，最后通過全局平均池化和內積層，壓縮到通道上，為256維特征向量。
（3）Feature Fusion Network（FFN）：
特征融合單元包含兩個步驟：① 特征的計算和選擇，采用元素最大策略（理解是三個區域的特征向量每個元素都選值最大的那個，如下圖所示）；② 特征的轉換，采用內積計算（理解是對全局、區域特征融合時候采用了內積，將兩個256維向量融合為一個256維向量）。
（4）訓練細節
訓練包含4步：全局特征訓練；固定FEN-C1，訓練三分支網絡；固定FEN-C1和FEN-C2，訓練下方四分支網絡；訓練FFN。
Experiments
（1）數據集設置：
CUHK03、CUHK01、PRID、VIPeR、3DPeS、i-LIDS、Market-1501、CUHK02（只訓練）、PSDB（只訓練）、SenseReID（只評估）
（2）實驗結果：
