前書き
（1）動機：
CNNを抽出することができない画像シーケンスの特性と電流の関係、RNNの詳細はまた、歩行などの欠如抽出特定の情報について、初期ビデオシーケンスのフレームを無視し、ラベル情報（???）の考慮のシャムトリプレット損失と損失がありません。
（2）の貢献：
関節機能のシャム、ソフトマックス損失と組み合わさCNNとRNNフュージョン（CRF）と呼ばれる新しい枠組みエンドツーエンドネットワークを提案しました。身体と身体の部分の特徴は表現でより多くの差別を取得し、鉄道模型ました。
方法
（1）フレーム：
（2）入力：
入力は二つの部分、元の画像情報、オプティカルフロー情報（例えば、歩行者の歩行、より明確操作）からなります。
（3）CNN層：
この層は、同じ参照CNNを使用しています、詳細はを参照してください[ 紙読書ノート（X）[CVPR2016]：再発畳み込みネットワークビデオベースのため人の再同定Fiのカチオン]
畳み込み層（カーネルサイズ* 5である）、最大細胞層、RELU層：畳み込みは三つのモジュールであって、各モジュールから構成されています。：入力シーケンスは以下のように定義されている
場合= 16 T、CNN層として定義することができます。
前記のように表さ得。
（4）時間層をプールしました。
プールされた平均操作を使用して、次のように定義されます
（5）RNN層：
次のようにノードが計算されます。
時間が層をプールされました：
（6）融合時間的特性：
初期のフレームのRNNより怠慢ので、必要性が失われた情報を補うために、次のようにCNNが、RNNは二回結合出力は、計算されます。
（7）多層損失：
損失関数は、シャムソフトマックス損失と損失が含まれています。
（8）ローカル/グローバル機能の融合：
上半分と下半分に歩行者の体は、特徴が抽出され、全体的な統合が行われます。
実験
（1）実験のセットアップは次のとおりです。
① 数据集设置：PRID-2011、iLIDS-VID、MARS；
② 参数设置：epochs ＞ 10，视频序列长度 = 16，W1 = W2 = W3 = 1.
（2）实验结果：
