歩行者分析は、知能型ビデオ監視において重要な役割を果たし、セキュリティ中心のコンピュータビジョンシステムの主要な構成要素となっています。畳み込みニューラルネットワーク（CNN）は画像から識別的な特徴を学習する能力に優れていますが、歩行者の細かいタスク向けの包括的な特徴の学習は依然として未解決の問題です。本研究では、多方向にマルチレベルの注意マップを異なる特徴層に供給する新しいアテンションベースの深層ニューラルネットワークであるHydraPlus-Net（HP-net）を提案します。提案されたHP-netから学習される注意深い深層特徴には以下の独自の利点があります：(1) モデルは低レベルから意味論的レベルまで複数の注意を捉えることができ、(2) 注意深い特徴の多スケール選択性を探ることで、歩行者画像の最終的な特徴表現を豊かにします。私たちは、歩行者属性認識と人物再識別という2つのタスクにおいて、提案したHP-netの有効性と汎用性を示しています。詳細な実験結果により、HP-netが様々なデータセットで最先端の手法を上回ることが証明されています。