本研究提出CHIRLA数据集，旨在解决长时间场景下的人物重新识别问题，填补短期场景研究的空白。该数据集包含七个月的多角度视频，促进Re-ID算法在复杂场景中的发展与评估。

本文介绍了一种基于简单的深度架构的策略，通过精细地设计架构的每个组件以及有效训练来实现人物重新识别的最佳实践。该方法能够比复杂的具有补充部件的方法更好地定位和对齐具有识别性的图像区域，并提出了一种类似于隐式注意力机制的训练表示方法。经过在四个基准数据集上的广泛评估，该方法可以比其他复杂方法更好地实现人物重新识别。