يُنظر إلى إعادة تحديد الشخص (Person Re-Identification) بشكل رئيسي على أنه مشكلة استرجاع صور. ويهدف هذا المهمة إلى البحث عن صورة شخص معين ضمن مجموعة كبيرة من الصور. وفي التطبيق العملي، يعتمد عادةً على استخدام كاشفات آلية للحصول على صور مقطوعة للأشخاص المتنقلين. ومع ذلك، يعاني هذا الإجراء من نوعين من أخطاء الكاشف: وجود خلفية زائدة وفقدان أجزاء من الجسم. ويؤدي كلا النوعين من الأخطاء إلى تدهور جودة تطابق صور الأشخاص، وقد يُضعف التعرف على الأشخاص بسبب التغيرات في الموقع والمقاس. ولحل مشكلة التمايز غير الصحيح، نقترح أن يمكن تعلّم التمايز من خلال عملية التعرف على الهوية. ونُقدّم شبكة تمايز الأشخاص (Pedestrian Alignment Network - PAN)، التي تتيح تعلّم تمييز الميزات وتمايز الأشخاص دون الحاجة إلى بيانات إضافية مُعلّمة. وتكمن ملاحظتنا الأساسية في أن شبكة الشبكة العصبية التلافيفية (CNN) عند تعلّمها التمييز بين الهويات المختلفة، فإن الخرائط المميزة التي تُنتجها غالبًا ما تُظهر تنشيطًا قويًا على جسم الإنسان بدلًا من الخلفية. وبالتالي، تستفيد الشبكة المقترحة من هذه الآلية الانتباهية لتحديد وتمايز الأشخاص داخل مربع حدودي بشكل تلقائي. وتُظهر الأمثلة البصرية أن الأشخاص يتم تمايزهم بشكل أفضل باستخدام PAN. وتدعم التجارب التي أُجريت على ثلاث مجموعات بيانات كبيرة لإعادة التعرف على الأشخاص أن PAN تُحسّن القدرة التمييزية للميزات المُدمجة، وتُحقّق دقة تنافسية مع أحدث الأساليب الحالية.