这几天一直在研究行人重识别方向，最近看了一篇发在ECCV上的一篇论文，说一下这篇论文的大概吧，若有不到位之处，请各位慷慨指正！
其实这片工作是在Zhao, L., Li, X., Wang, J., Zhuang, Y.: Deeply-learned part-aligned representations for person re-identification. In: ICCV (2017)这篇论文上改进的，在本论文中还多次提及 PAR并与其进行比较。
这篇工作主要提出了两点PCB+RPP
(1)PCB
这部分主要是reid工作中常提及的切块思想，就是把人的整张图片切分成相等的几块。相似的工作还有16年的发在CVPR上的Person Re-Identification by Multi-Channel Parts-Based CNN with Improved Triplet Loss Function，其中也是运用分割part的思想，当然具体的细则两者还是存在差距的。
（2）RPP
这部分作者的工作主要是让分割的part边缘部分更好，见下图，作者提出的RPP旨在让相同部分的像素具有更加相似的语义信息。
整体的算法思想：
最后看一下，作者的实验结果：
最近刚入门Reid,我只是大概的复现一下对这篇论文的理解，一些细节也没有记住，以后会尽量多的把握，写的详细些！