Part-aware Attention Network for Person Re-Identification

题目:Part-aware Attention Network for Person Re-Identification
作者:Wangmeng Xiang

一、要解决的问题(研究动机):
(1)“多层次特征聚合”方法回会忽略不同层次特征图之间的长程联系
(2)基于特征提取的horizon pooling part会引起特征的误对齐

二、研究目标
(1)通过局部特征图与源特征图之间的一致性来计算注意力
(2)将高层局部特征和中间层特征联系起来,通过高层局部特征的引导,从中间层特征图中进行二次信息的生成

三、提出方法的依据
(1)中间层特征携带更多细粒度特征
(2)不同层的特征均映射到最后一层
(3)在所有空间点上计算

四、技术方法
Part-aware Attention Network for Person Re-Identification_第1张图片

用Part-aware Attention Network (PAN)来增强特征提取器的注意能力。
组成:part-aware attention module(局部注意力模块) and part feature learning module(局部特征学习模块)
(1)part-aware attention module(局部注意力模块)
Part-aware Attention Network for Person Re-Identification_第2张图片

第一步:得到Pi与X之间的一致性分数
第二步:将分数作为X的权重
第三步:进行归一化
在这里插入图片描述

在这里插入图片描述
综合上式可得到:
在这里插入图片描述
(2)part feature learning module(局部特征学习模块)
Part-aware Attention Network for Person Re-Identification_第3张图片

第一步:分别计算在视角i下,第j块的空间、通道注意力掩模,并将二者结合起来
第二步:将注意力与最后一层输出相乘,计算局部特征
在这里插入图片描述
在这里插入图片描述

五、方法创新归纳
(1)考虑了不同层特征图之间的关系
(2)解决了特征误对齐的问题

六、实验效果
Part-aware Attention Network for Person Re-Identification_第4张图片

八、我的体会和思考
需要注意在卷积过程中特征所发生的变化
不同卷积层之间有潜在的联系

你可能感兴趣的:(笔记,行人重识别)