摘要
全局平均池化（GAP）能够定位用于识别的判别信息[40]。虽然GAP有助于卷积神经网络关注对象的最判别特征，但如果这些信息缺失（例如由于摄像机视角变化），其性能可能会受到影响。为了解决这一问题，我们认为通过建模高层次特征之间的空间关系来关注对象的整体配置是有利的。我们提出了一种新的人员重识别架构，该架构基于一种新颖的无参数空间注意力层，将特征图激活之间的空间关系重新引入模型中。我们的空间注意力层在没有该层的情况下显著提升了模型的性能。在四个基准数据集上的实验结果表明，我们的模型优于现有最先进的方法，在Market-1501上达到了94.7%的首位准确率，在DukeMTMC-ReID上达到了89.0%的首位准确率，在CUHK03-标记数据集上达到了74.9%的首位准确率，在CUHK03-检测数据集上达到了69.7%的首位准确率。