في بحث الأشخاص بناءً على الصورة، نهدف إلى تحديد موقع شخص مطلوب من مشهد واحد ضمن مشاهد أخرى تُعرف بـ "معرض الصور" (gallery scenes). يعتمد تكلفة عملية البحث هذه على عدد مشاهد المعرض، مما يجعل من المفيد تقليل عدد المشاهد المحتملة التي يجب استعراضها. نقدم ونُظهر شبكة مرشح المعرض (GFN)، وهي وحدة جديدة قادرة على استبعاد مشاهد المعرض بشكل فعّال من عملية البحث، مما يُحسّن أداء التصنيف للأشخاص المكتشفين في المشاهد المتبقية. نُظهر أن GFN تُظهر مقاومة عالية في مجموعة متنوعة من الظروف من خلال اختبارها على مجموعات استرجاع مختلفة، بما في ذلك السيناريوهات المتعددة مثل البحث عبر كاميرات مختلفة، والأشخاص المُحجبين، والصور ذات الدقة المنخفضة. بالإضافة إلى ذلك، قمنا بتطوير نموذج SeqNeXt الأساسي لبحث الأشخاص، والذي يُحسّن ويُبسط النموذج الأصلي SeqNet. ونُظهر أن مزيج SeqNeXt + GFN يحقق تحسينات كبيرة في الأداء مقارنةً بطرق الحالة الحالية على مجموعتي بيانات بحث الأشخاص القياسيتين PRW وCUHK-SYSU. ولتسهيل التجريب على هذا النموذج وعلى غيره من النماذج، نقدّم أدوات معيارية لمعالجة البيانات وسلسلة التقييم التي تُستخدم عادةً في أبحاث بحث الأشخاص.