Paper：Re-ID Driven Localization Refinement for Person Search
Motivation：由於檢測任務注重人的共同性，而重新識別任務則關注人與人之間的差異。
更準的框可以排除掉背景非目標人的干擾和，把目標人的丟失的屬性信息找回來（比如揹包）。
Contribution:
1，在re-ID損失的監督下優化探測器，以生產出可靠的包圍盒。
the box coordinates can be supervised by the re-ID training other than the original detection task.
2，引入了differentiable ROI transform layer。通過這個變換使bbox和接ID loss，並且可導。
論文框架：
分類loss訓bbox，triplet loss訓ID
3.1. ROI transform layer
把圖像映射爲統一大小
目的是：param fixed可以把bbox接softmax，coordinate可導
3.3. Proxy Triplet Loss
三元組損失不適用於person search ,因此做了點改動
由於沒有positive pairs, s使用proxy table來儲存positive,negative sample
實驗結果：
不同gallery size對mAP的影響
bbox結果
