Paper：Re-ID Driven Localization Refinement for Person Search
Motivation：由于检测任务注重人的共同性，而重新识别任务则关注人与人之间的差异。
更准的框可以排除掉背景非目标人的干扰和，把目标人的丢失的属性信息找回来（比如揹包）。
Contribution:
1，在re-ID损失的监督下优化探测器，以生产出可靠的包围盒。
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。通过这个变换使bbox和接ID loss，并且可导。
论文框架：
分类loss训bbox，triplet loss训ID
3.1. ROI transform layer
把图像映射为统一大小
目的是：param fixed可以把bbox接softmax，coordinate可导
3.3. Proxy Triplet Loss
三元组损失不适用于person search ,因此做了点改动
由于没有positive pairs, s使用proxy table来储存positive,negative sample
实验结果：
不同gallery size对mAP的影响
bbox结果
