论文题目:Relation-Aware Global Attention for Person Re-identification
作者:Zhizheng Zhang, Cuiling Lan,Wenjun Zeng,Xin Jin,Zhibo Chen
来源:CVPR 2020
文章链接:https://arxiv.org/pdf/1904.02998v1.pdf
代码链接:https://github.com/microsoft/Relation-Aware-Global-Attention-Networks
动机:在行人重识别研究中,注意力机制可以强化区分特征,抑制无关特征。
以前的方法通常使用局部卷积来学习注意力,忽略了从全局结构模式中挖掘知识。作者为了使网络更好的进行attention学习,提出了Relation-Aware Global Attention (RGA) module。
解决方法:
1、作者通过设计attention,让网络提取更具有区别度的特征信息。简单来说,就是给行人不同部位的特征加上一个权重,从而达到对区分特征的增强,无关特征的抑制。
2、作者在这篇论文中提出了一个Relation-Aware Global Attention (RGA) 模型挖掘全局结构相关信息,使得attention集中在有区分度的人体部位
Relation-Aware Global Attention for Person Re-identification阅读笔记
最新推荐文章于 2024-02-26 20:00:55 发布