結合最適化フレームワークを達成するために、この論文は３つのサブネットワークを導入した：１）クエリおよび画像のギャラリーの両方からのグローバルな文脈情報を活用して特徴チャネルを再重み付けするＱＳＳＥ − Ｎｅｔ。 ２）ＱＲＰＮは、クエリＲＯＩプールされた特徴を利用して画像のギャラリ内の判別パターンを強調し、関連する提案を作成する。

提案した方法を次のデータセットで評価した：CUHK-SYSU、PRW、PRW-mini。 OIM、IAN、NPSMなどのさまざまな方法と比較されています。 CUHK-SYSUデータでは、QEEPSは84.4％のmAPと84.4％の上位1を超えるNPSMを達成しました。

PRW / PRWminiでは、QAPはmAPで4.5pp、top-1で3.6pp、Mask-Gよりも優れており、最先端の性能である371％mApおよび76.1％top-1を達成しています。