Pedestrian Alignment Network for Large-scale Person Re-identification（对齐并利用空间变换网络stn）

年份：1707.ICCV.
论文：https://arxiv.org/pdf/1707.00408.pdf
代码（.m的代码）：https://github.com/layumi/Pedestrian_Alignment
本论文着重对错检和body部分缺失引起的尺度和姿态变化问题研究（如上图），前者可能会使检测得到的图像含有过多的背景，后者则是局部缺失，由此产生的misa lignment对reid识别的结果有重要的影响。
由于Pedestrian alignment（行人对齐）和 re-id 是两个相联系的问题。当我们有行人bounding boxes 的 identity labels，我们能找到最优的仿射变换（the optimal affine transformation）用来更好的区分不同的identities。在仿射变换下，行人可以更好地被对齐。进一步，更好的对齐，更具有区别性的特征将会被学习，反过来，匹配的准确率将会提高
对此提出了PAN网络，PAN利用了person alignment 和 re-id 互补的性质。即可以在不用额外的标注情况下同时进行行人对齐和学习判别性的特征描述，提出的网络可以充分利用CNN提取的特征图更多激活表现在body上这个注意机制来自适应的定位和对齐行人。

本文的网络分为两个卷积分支和一个仿射估计分支，网络后又采用重排名方式对网络检索结果进行优化。