《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