跨镜追踪（行人重识别Person Re-identification）读书笔记（三）

《Parameter-Free Spatial Attention Network for Person Re-Identification》

论文地址：https://arxiv.org/pdf/1811.12150.pdf

GitHub代码：https://github.com/HRanWang/Spatial-Attention

文章指出，全局平均池化Global average pooling (GAP)能够为回归问题聚焦出有效的信息，但也可能造成部分信息的丢失。因此作者在GAP前添加了一个spatial attention来改善问题，如下图所示，其中FCN表示全连接层FC。

                                                         

 文章将reid看成classification问题，提出的网络框架如下图所示，采用ResNet-50前4个stage作为backbone，并且每个stage都添加一个监督loss，即左下红色区域。采用PCB的做法，将最后的特征进行横向均分成6个部分。下图黄框为backbone，红框为各stage的监督信号，绿框中的SA即为GAP之前的spatial