Dans cette étude, nous examinons le problème de la recherche de personnes dans des conditions réelles. Au lieu de comparer la requête à toutes les régions candidates générées de manière aveugle à la requête, nous proposons de réduire récursivement la zone de recherche à partir de l'image entière jusqu'à atteindre une localisation précise de la personne cible, en exploitant pleinement les informations provenant de la requête et des indices contextuels à chaque étape de recherche récursive. Nous avons développé les Machines de Recherche Neuronale pour Personnes (Neural Person Search Machines, NPSM) pour mettre en œuvre une telle localisation récursive dans le cadre de la recherche de personnes. Grâce à son mécanisme de recherche neuronale, NPSM est capable de réduire sélectivement sa zone d'attention d'une région large à une région plus restreinte contenant automatiquement la cible. Dans ce processus, NPSM utilise un composant interne de mémoire primitive pour mémoriser la représentation de la requête qui modifie l'attention et renforce sa robustesse face aux autres régions distrayantes. Les évaluations sur deux jeux de données基准数据集（CUHK-SYSU Person Search dataset et PRW dataset）ont démontré que notre méthode surpassait les méthodes actuelles les plus avancées selon les protocoles d'évaluation mAP et top-1.Note: I used "基准数据集" in parentheses because it seems there was a mix-up in the original text where Chinese characters were used instead of English for the term "benchmark datasets". If you intended to use English throughout, please let me know so I can adjust the translation accordingly.