Attention-Aware Compositional Network for Person Re-identification

1、
文章的AACN=PPA+AFC

• 其中PPA用来产生part attention，用来去除背景干扰

• AFC用来对特征进行对齐，用产生的attention来对齐特征

  传统方法用part来辅助行人ReID,都是通过矩形框去框人体部位，这样会造成很大的误差，如果能学出一种attention自动关注到对应的身体部位效果会更好

2、
对于PPA部分，作者用了三个分支来学习总体的特征

• 第一个分支是关键点分支
• 第二个分支是non-rigid肢干分支，用PAF实现
• 第三个分支是rigid肢干分支，主要包括头-颈，肩膀-臀部，臀部-膝部

整体网络框架如下

每一个分支选择一个损失，所以这里所有的attention都是显式学出来的，而不是隐式学习出来的

3、
学习出了整体的attention之后，讲这些attention应用到GCN的特征上，用来对GCN(Global Context Network)进行加权。GCN首先是Googlenet而来，在global average pooling 之后，加入identification loss和verification loss进行学习，取FCN的特征F，假设大小为F = 256xMxN

1）网络学出来的attention的每一张map都去乘F，假设第p张attention去乘F的话，产生$F_p^a$,大小还是256xMxN，然后经过global average pooling $\sigma_{gap}(F_p^a)$产生$f_p$,大小为256x1x1,然后将p张attention处理的结果concat在一起形成$f^a$,大小为(Px256)x1x1，也即AFC的stage2

2) 然后将上面concat后的结果$f^a$和attention产生的分数concat,然后通过1x1的全连接层产生w权重，w一共有p个，然后将每个部位的权重乘到对应的$f_p$上去
，也即AFC的stage3

3）将最后的$f^a$的1024维向量用来做最后的ReID分类

4、训练策略

1. 首先PPA用 pose loss进行训练
2. GCN用ReID loss进行训练
3. 然后将训练好的PPA和GCN应用在AFC的训练上
4. 最后所有模块放在一起去训练