기존의 사람 재식별(re-id) 방법들은 모델 입력으로 잘 정렬된 사람 바운딩 박스 이미지의 사용을 가정하거나, 제약된 주의 선택 메커니즘에 의존하여 미정렬 이미지를 교정한다. 따라서 이러한 방법들은 임의로 정렬되며 큰 자세 변화와 제약 없는 자동 검출 오류가 있는 사람 이미지에서 re-id 매칭을 수행하는 데 최적이 아니다. 본 연구에서는 주의 선택과 특성 표현을 합성곱 신경망(Convolutional Neural Network, CNN)에서 함께 학습함으로써 re-id 판별 학습 제약 조건 하에서 다양한 수준의 시각적 주의 정보를 최대화하는 이점들을 보여준다. 구체적으로, 우리는 부드러운 픽셀 주의와 단단한 지역 주의를 동시에 학습하고 특성 표현을 최적화하기 위한 새로운 조화주의 CNN(Harmonious Attention CNN, HA-CNN) 모델을 제시한다. 이 모델은 통제되지 않은(미정렬) 이미지에서 사람 re-id를 최적화하는 데 전념한다. 광범위한 비교 평가를 통해 이 새로운 HA-CNN 모델이 CUHK03, Market-1501, DukeMTMC-ReID 등 세 개的大规模基准数据集上优于多种最先进方法的人体再识别性能得到了验证。注：最后一句中的“大规模基准数据集”和“人体再识别”在韩文中通常翻译为“대규모 벤치마크 데이터셋”和“사람 재식별”，因此修正如下：광범위한 비교 평가를 통해 이 새로운 HA-CNN 모델이 CUHK03, Market-1501, DukeMTMC-ReID 등 세 개의 대규모 벤치마크 데이터셋에서 여러 종류의 최신 방법보다 우수한 사람 재식별 성능을 보임을 확인할 수 있었다.