本研究提出了前景注意力神经网络（FANN）来解决人员再识别问题，通过引入前景针对子网和特征融合子网学习判别性特征表示。该方法在多个公共基准数据集上显示出明显的改进。

本文研究了数据流中的概念漂移，并建立了一个包含三个主要组件的漂移学习框架。同时列举了合成数据集和公共基准数据集，评估了学习算法的性能。通过提供最新的知识，支持研究人员对概念漂移学习领域的研究发展的理解。

本文介绍了一种视频相似性学习架构ViSiL，通过卷积神经网络计算视频间相似度，避免了在帧之间的相似度计算之前进行特征聚合。使用三元组损失方案训练提出的网络，在五个公共基准数据集上评估，结果表明ViSiL比现有技术取得了显着进步。