يسمح التجميع الشامل العالمي (Global Average Pooling - GAP) بتحديد موقع المعلومات المميزة للاعتراف [40]. بينما يساعد التجميع الشامل العالمي الشبكة العصبية التلافيفية على التركيز على الخصائص الأكثر تمييزًا للكائن، فقد يعاني إذا كانت هذه المعلومات مفقودة، مثل في حالة تغير زاوية الكاميرا. للالتفاف حول هذه المشكلة، نعتقد أن من المفيد التركيز على التكوين العالمي للكائن من خلال نمذجة العلاقات المكانية بين الخصائص عالية المستوى. نقترح هندسة جديدة لمهمة إعادة تحديد الشخص (Person Re-Identification)، تعتمد على طبقة انتباه مكانية جديدة خالية من المعلمات تعيد إدخال العلاقات المكانية بين تنشيطات الخريطة المميزة إلى النموذج. تحسن طبقتنا الانتباه المكاني بشكل مستمر الأداء مقارنة بالنموذج دونها. أظهرت النتائج على أربع معايير فعالية نموذجنا مقارنة بأحدث التقنيات، حيث حقق دقة رتبة أولى بنسبة 94.7% في Market-1501، و89.0% في DukeMTMC-ReID، و74.9% في CUHK03-labeled و69.7% في CUHK03-detected.