admin管理员组

文章数量:1589932

动机：

本文是一篇基于attention的文章，通过channel 和 postion 两个层面得到feature mask，用于得到更有鉴别性的feature。

创新

  1. Spatial Interaction-and-Aggregation (SIA)：这里涉及到三个种相关性关系：Appearance Relations，Location Relations和semantic relations.作者分析着重讲解了Appearance Relations。相同卷积层的对应相同的感受野，但是样本大小不同，不同样本对应同一part的大小不同，同一样本随姿态变化，同一part也会变化，所以对于同一feature map要采用不同尺寸的patch以满足同一位置不同尺寸的part。
  • 对于Appearance Relations，同一个featuremap，对每一个位置提取K×K尺寸的patch对应相乘，从而得到一个等大小feature后，之后再采用不同的K，比如1，2，3……N，得到N个feature mask，之后再将其点乘，得到最后的feature mask

本文标签： 行人InteractionaggregationIdentificationperson

版权声明：本文标题：CVPR2019-行人重识别-Interaction-and-Aggregation Network for Person Re-identification 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/xitong/1728077213a1144633.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。