في هذا البحث، نتناول مشكلة إعادة تعريف الشخص (Person Re-Identification)، والتي تتعلق بربط الأشخاص الذين تم التقاطهم من كاميرات مختلفة. نقترح تمثيلاً بسيطًا ولكنه فعال يعتمد على محاذاة أجزاء الجسم البشري لمعالجة مشكلة عدم توافق أجزاء الجسم. ينقسم نهجنا إلى ثلاث خطوات: يتم تجزئة جسم الإنسان إلى مناطق (أجزاء) تميزها قدرتها على مطابقة الأشخاص، ثم يتم حساب التمثيلات لهذه المناطق، وأخيراً يتم جمع التشابهات التي تم حسابها بين المناطق المقابلة في صورتي الاستعلام والمرجعية لتكون النتيجة الإجمالية لمقياس المطابقة. صيغتنا، المستوحاة من نماذج الانتباه (Attention Models)، هي شبكة عصبية عميقة تقوم بتجميع هذه الخطوات الثلاث معًا، وتتعلم من خلال تقليل دالة الخسارة الثلاثية (Triplet Loss Function) دون الحاجة إلى معلومات تصنيف أجزاء الجسم. على عكس معظم خوارزميات التعلم العميق الحالية التي تتعلم تمثيلًا عامًا أو محليًا يستند إلى تقسيم المكان، فإن نهجنا يقوم بتقسيم جسم الإنسان، مما يجعله أكثر متانة في مواجهة تغيرات الوضعية وتنوع توزيع الأجسام البشرية داخل حدود الصورة الشخصية. يظهر نهجنا نتائجًا رائدة في المجموعات القياسية مثل Market-$1501$1501، CUHK$03$03، CUHK$01$01 و VIPeR.