CVPR2019-行人重识别-Interaction-and-Aggregation Network for Person Re-identification

动机：

本文是一篇基于attention的文章，通过channel 和 postion 两个层面得到feature mask，用于得到更有鉴别性的feature。

创新

1. Spatial Interaction-and-Aggregation (SIA)：这里涉及到三个种相关性关系：Appearance Relations，Location Relations和semantic relations.作者分析着重讲解了Appearance Relations。相同卷积层的对应相同的感受野，但是样本大小不同，不同样本对应同一part的大小不同，同一样本随姿态变化，同一part也会变化，所以对于同一feature map要采用不同尺寸的patch以满足同一位置不同尺寸的part。
   

• 对于Appearance Relations，同一个featuremap，对每一个位置提取K×K尺寸的patch对应相乘，从而得到一个等大小feature后，之后再采用不同的K，比如1，2，3……N，得到N个feature mask，之后再将其点乘，得到最后的feature mask
  
• 对于Location Relations，这个从公式就很好理解，如果两个点的对应特征向量越相似，那么两个点之间，求二维高斯函数的响应就会越大。
  
• 对于semantic Relations，就是将Appearance Relations，Location Relations融合。
  

2. Channel Interaction-and-Aggregation (CIA) module.这个很好理解，就是普通的Channel attention，因为不同层对应的语义信息不同，所以通过得到channel的相关矩阵，从而得到channel的feature mask
   

• 方法就是通过reshape操作，将原C×H×W的矩阵转换成C×(H×W)和(H×W)×C两个矩阵，这两个矩阵相乘后得到C×C，之后再与C×(H×W)相乘，reshap，得到C×H×W大小的feature mask

框架：

框架结构：单流结构
特征：通过SIA和CIA得到的特征
损失函数：CE loss
backbone：resnet50，在不同层之间添加attention module

实验：

对比了feature的融合方法，影响不大

对比了不同的相关矩阵应用到feature mask，结果是semantic Relations效果最好。

对比了不同patch大小对的影响，太大和太小结果都不好，所以采用一个适中的size

在主流数据集上的结果