歩行者画像の部位レベル特徴を用いることで、細かい情報が得られ、最近の文献では人物検索に有益であることが確認されています。部位発見の前提条件は、各部位が正確に位置特定されることです。本論文では、外部的な手がかり（例えば姿勢推定）を使用せずに直接部位を特定するのではなく、各部位内の内容の一貫性に重点を置きます。具体的には、人物検索のために識別可能な部位情報を学習することを目指し、以下の2つの貢献を行います。(i) 部位ベースの畳み込み基線ネットワーク（Part-based Convolutional Baseline: PCB）。画像入力に対して、複数の部位レベル特徴からなる畳み込み記述子を出力します。均一な分割戦略により、PCBは最先端手法と競合する結果を得ており、人物検索における強力な畳み込み基線としてその有用性が証明されています。(ii) 精緻な部位プーリング（Refined Part Pooling: RPP）方法。均一な分割は必然的に各部位内に外れ値を生じますが、これらの外れ値は実際には他の部位とより類似しています。RPPはこれらの外れ値を最も近い部位に再割り当てすることで、部内的一貫性が向上した精緻な部位を得ます。実験結果は、RPPがPCBの性能向上に寄与することを確認しています。例えば、Market-1501データセットにおいては、mAPで(77.4+4.2)%およびrank-1精度で(92.3+1.5)%という結果を得ており、大幅に最先端技術を超えています。