本文提出了一种新颖的半监督、多层级顺序生成对抗网络（MLS-GAN）架构，用于群体活动识别。该网络通过LSTMs映射个人和场景特征，利用门控融合单元进行动作特征融合，学习群体活动的中间表示，表现优于其他结构。此外，研究还介绍了新的数据集和模型，提升了群体活动检测的准确性和推理速度。

本文介绍了一种新的人物再识别网络架构AANet，通过集成人物属性和属性注意力图到分类框架中，实现强大的判别性表示。在DukeMTMC-reID数据集上，AANet的mAP和Rank-1精度分别超过3.36%和3.12%。在重排后的Market1501数据集上，AANet的mAP和Rank-1精度分别达到92.38%和95.10%，相对于使用ResNet-152的最佳前沿方法，精度分别超过1.42%和0.47%。此外，AANet还可以执行人物属性预测和属性定位。