Relation-Aware Global Attention for Person Re-identification阅读笔记

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