版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/weixin_39393712/article/details/86625304
用于行人重识别的和谐关注网络
Abstract
已有的行人重识别方法，行人bounding box图片对齐效果并不是很好，也没有依赖受限的关注度选择机制去校正误对齐的图片。
在行人对齐方面，以往的方法存在一个问题，就是行人对齐比较随意，因为许多行人姿态不同，而且自动检测错误不受限制。因此在重识别方面，这些方法是并不是最好的。
在这个工作中，我们通过最大化展现了融合学习注意力选择和特征表示的优势。
尤其是，我们提出一个新颖的HA-CNN模型去融合像素注意力和区域注意力，让特征表示最大化。专门优化在不受控制的图片中行人重识别。
广泛的比较评估验证了这个模型在行人重识别方向的优越性，在三个大规模数据集中超过了许多经典的算法，如CUHK03, Market-1501和DukeMTMC-ReID。