- 使用深度学习识别面部微表情的人物识别
本研究旨在探究面部微表情作为软生物识别的有效性并提出一种深度学习的方法来提高其在人体识别方面的应用，实验结果显示该方法与现有的基准相比，可以显著提高识别准确性。
- CVPR统一身份认证和环境学习以进行人员识别
本文提出了一种新的人物识别框架：区域注意力网络，它能够以实例相关的方式自适应地组合不同的视觉线索，并学习社交上下文和人物身份的推理，从而在复杂的环境中大幅提高了鲁棒性。
- 个人照片集中的人物识别
该论文提出了一种基于多图像区域（头部、身体等）的简单的人员识别框架，以应对社交媒体照片中的人员识别问题，并针对训练和测试样本之间的时间和外观差距提出了新的识别方法，该方法在 PIPA 基准上取得了最先进的结果，对不同的特征进行了深入的分析。
- 无约束耳朵识别挑战赛
本文介绍了耳朵识别方案 UERC (Unconstrained Ear Recognition Challenge) 的结果，包括集中于未受控制条件下从耳图像中识别人的问题，挑战的目标是评估现有的耳识别技术在具有挑战性的大规模数据集上的性能 - CVPR姿态感知的人员识别
本研究提出多个模型联合训练并在测试中使用姿势感知权重的方法解决全身人物识别中的姿态变化问题。同时，使用网络对多个身体区域进行联合优化，为解决不同场景下的人物识别问题提出了新的基准测试，并证明了该方法在 PIPA 数据集中取得的高准确率。
- 通过同源余弦损失函数学习深度特征进行人物识别
本研究提出了一种新方法，通过训练一个网络来获得稳健和代表性特征，该方法通过比较和优化两个特征之间的余弦距离来解决人物识别的问题，同时减少内部差异，提高分类准确度。
- CVPR野外行人再识别
介绍了一个用于人行检测和人物识别的新数据集 PRW 及其评估，利用 6 个同步摄像头采集的视频，包含 932 个身份和 11,816 帧，使用了各种检测器和识别器的绩效分析，提出了两种改进措施，并评估了这些措施对于人物重新识别的效果。
- ICCV个人相片集中的人物识别
提出一种基于卷积神经网络的人物识别系统，针对不同的身体线索和训练数据量的信息量，系统的常见故障模式进行了深入分析，并讨论了现有基准的局限性并提出更具挑战性的基准，其简单易用且在社交媒体照片数据集（PIPA）上达到了更好的成果。