ICCV2019-行人重识别-Second-order Non-local Attention Networks for Person Re-identification论文阅读

动机：

作者总结了常见的Part-base的re-id网络的常见问题，即使用多part虽然会增加精度，但是却忽略了part的之间的联系。所以Non-local是一个可以整体解决多part的办法。
本文整体思路大概如下：

• 基于BFE的架构
• 加入DropBlock模块，这样有利于对于Non-local的学习
• 改进了Non-local 模块，改进一阶为二阶

创新：

作者对于本文最大的创新点为Second-order Non-local Attention Networks以下简称SONA，看了他对这个的介绍基本是在介绍Non-local Attention Networks，这都是之前self-attention的东西，所以他到底创新了啥。来看看和原版网络结构的对比：

图1为SONA的结构，图2为Non-local解构，其改进为将原版的相关矩阵（即原特征图flatten后转置相乘）变为协方差矩阵，这样完成从一阶到二阶的升级，原因是二阶特征优于一阶。

框架

1. 框架结构：基本参照BFE的结构