[行人重识别]--ICCV2019-Mixed High-Order Attention Network for Person Re-Identification

摘要：

注意力在行人重识别(ReID)中变得更有吸引力，因为它能够将可用资源分配给输入信号中信息最丰富的部分。然而，目前最先进的工作主要集中在粗糙的或一阶的注意力设计上，如空间和渠道的注意力，很少探索高阶的注意力机制。我们朝着解决这个问题迈出了一步。在本文中，我们首先提出了高阶注意(High-Order Attention, HOA)模块，对注意机制中复杂的高阶统计信息进行建模和利用，从而捕捉行人之间的细微差异，产生有区别的注意建议。然后，将行人 ReID重新考虑为一个零学习问题，提出混合高阶注意网络(MHN)，进一步明确地增强注意知识的辨别力和丰富性。

创新点：

1.高阶注意力

一阶注意力主要包含空间和通道注意力，提取到的信息比较粗糙，不够丰富，因此本文从行人重识别领域中需要捕获特征间细微差别的角度来探索高阶表征的注意力。

没有细看论文公式，看论文的意思这些公式可以用卷积和**函数构成，可以直接拿来用吧。有兴趣的可以细看一下！
2.混合高阶注意力网络MHN：

实验结果：