다양한 해상도에서 자원 인식型 사람 재식별 注意：在韩文中，“型”通常用于表示“type”，但在学术翻译中，为了保持句子的流畅性和专业性，建议使用“기반”或“지향형”。因此，更合适的翻译可能是： 자원 인식 기반의 다양한 해상도에서 사람 재식별

모든 사람이 동일하게 식별하기 쉽지 않습니다. 일부 경우에는 색상 통계가 충분할 수 있지만, 다른 경우에는 고수준과 저수준 세부 정보에 대한 신중한 추론이 필요할 수 있습니다. 그러나 현재의 주요 사람 재식별(re-ID) 방법들은 모든 경우에 대해 딥 컨볼루션 네트워크에서 얻은 일괄적 고수준 임베딩을 사용합니다. 이는 어려운 예제에서는 정확도를 제한할 수 있고, 쉬운 예제에서는 불필요하게 비용이 많이 들 수 있습니다. 이를 해결하기 위해, 우리는 다중 컨볼루션 네트워크 레이어에서 구축된 효과적인 임베딩을 딥 감독(deep-supervision)으로 훈련시킨 새로운 사람 재식별 모델을 제시합니다. 전통적인 재식별 벤치마크에서, 우리의 방법은 평가한 5개 데이터셋 모두에서 이전 최고 성능 결과보다 크게 개선되었습니다. 또한 우리는 자원 제약 하에서 사람 재식별 문제의 두 가지 새로운 공식화를 제안하고, 이러한 자원 제약이 있는 상황에서 우리의 모델이 정확도와 계산량 사이의 효과적인 균형을 이루는 방법을 보여줍니다. 코드와 사전 훈련된 모델은 https://github.com/mileyan/DARENet 에서 제공됩니다.