グローバル平均プーリング（GAP）は認識のために判別情報の局所化を可能にします[40]。GAPは、物体の最も判別的な特徴に注目するのを支援しますが、その情報が欠落している場合（例えばカメラ視点の変化により）性能が低下する可能性があります。この問題を回避するために、我々は高レベル特徴間の空間関係をモデル化することで、物体の全体的な構成に注目することが有利であると主張します。本研究では、Person Re-Identification用の新しいアーキテクチャを提案し、これは新しいパラメータフリーの空間注意層によって特徴マップ活性化間の空間関係をモデルに戻すことを特徴としています。我々の空間注意層は、これを導入しないモデルよりも一貫して性能を向上させます。4つのベンチマークでの結果は、Market-1501で94.7%、DukeMTMC-ReIDで89.0%、CUHK03-labeledで74.9%、CUHK03-detectedで69.7%というランク1精度を達成し、最先端技術を超える性能を示しています。