يهدف البحث عن الأشخاص إلى تحديد مواقع الأشخاص المطلوبين في صور المشهد وربطهم بهم. وبغية تحقيق كفاءة عالية، تم تطوير أساليب ذات خطوة واحدة لمعالجة المهمتين الفرعيتين للكشف عن المشاة والتعريف بهم باستخدام شبكة واحدة. هناك تحديان رئيسيان في الأساليب ذات الخطوة الواحدة الحالية. الأول هو التداخل المتبادل بين أهداف التحسين الخاصة بالمهمات الفرعية المتعددة. والثاني هو تعلم ميزات التعريف غير المثلى الناتجة عن حجم دفعة صغير أثناء التدريب من النهاية إلى النهاية. ولsuperar هذه المشكلات، نقترح شبكة منفصلة ومدعومة بالذاكرة (DMRNet). وبشكل خاص، لحل التناقضات الناتجة عن الأهداف المتعددة، نبسط البنية التقليدية المتشابكة بشكل وثيق وننشئ إطارًا متعدد المهام منفصلًا بشكل عميق. بالإضافة إلى ذلك، نبني آلية مدعومة بالذاكرة لتعزيز تعلم ميزات التعريف. من خلال وضع ميزات التعريف الخاصة بالكائنات المُستَخدمة حديثًا في بنك ذاكرة، تُعزز هذه الآلية بناء أزواج التشابه لتعلم القياسات الزوجية. ولتحسين اتساق الترميز للميزات المخزنة، نطبق متوسطًا متحركًا بطيئًا للشبكة لاستخراج هذه الميزات. وبهذه الطريقة، تُعزز الشبكتان المزدوجتان بعضهما البعض وتصبّان نحو حالات حل قوية. من الناحية التجريبية، حققت الطريقة المقترحة معدلات mAP تبلغ 93.2% و46.9% على مجموعتي بيانات CUHK-SYSU وPRW، ما يفوق جميع الأساليب ذات الخطوة الواحدة الحالية.