Introduction
（1）Motivation:
在匹配过程中，存在行人的不同图片语义信息不对齐、局部遮挡等现象，如下图：
（2）Contribution:
① 提出了Spindle Net，包含了多阶段ROI池化框架用于提取不同部位的特征，再通过特征融合网络对不同部位的特征进行融合；
② 设计了SenseReID数据集。
Body Region Proposal Network(RPN)
RPN用于提取行人的区域，分为七个部分：肩膀上、上半身、下半身、左右手、左右脚，如下图所示：
通过CNN提取得到行人的14个特征映射，每个映射包含了一个关键点响应图，即
，其中 X 和 Y 为特征映射的尺寸。特征映射的生成采用了Convolutional Pose Machines（CPM）。然而CPM的计算成本较高，作者对此做出了网络的简化，最终得到14个关键点坐标，即：
由此7个分区的检测框：
，对应7个关键点集合：
。RPN的训练采用MPII人体姿态数据集，损失函数采用预测响应图和实际响应图的欧式距离。
Body Region Guided Spindle Net
（1）概述：
网络包含了两个部分：Feature Extraction Network（FEN）和Feature Fusion Network（FFN），如上图所示。FEN的输入为行人图片和区域信息，得到行人的全局特征和七个局部特征，最后通过FFN进行特征融合。
（2）Feature Extraction Network（FEN）：
1个全局特征和7个局部特征均通过池化后得到256维的特征向量。FEN包含了3个卷积模块和2个ROI池化模块。FEN-C1的输入为压缩到96*96的图片，
的空间尺寸为24*24，
通过了ROI池化，得到空间尺寸也为24*24的映射。同理，第二层、第三层的空间尺寸分别为12*12、6*6，最后通过全局平均池化和内积层，压缩到通道上，为256维特征向量。
（3）Feature Fusion Network（FFN）：
特征融合单元包含两个步骤：① 特征的计算和选择，采用元素最大策略（理解是三个区域的特征向量每个元素都选值最大的那个，如下图所示）；② 特征的转换，采用内积计算（理解是对全局、区域特征融合时候采用了内积，将两个256维向量融合为一个256维向量）。
（4）训练细节
训练包含4步：全局特征训练；固定FEN-C1，训练三分支网络；固定FEN-C1和FEN-C2，训练下方四分支网络；训练FFN。
Experiments
（1）数据集设置：
CUHK03、CUHK01、PRID、VIPeR、3DPeS、i-LIDS、Market-1501、CUHK02（只训练）、PSDB（只训练）、SenseReID（只评估）
（2）实验结果：
