Towards Rich Feature Discovery with Class Activation Maps Augmentation for Person Re-Identification
行人重识别之注意力机制 Towards Rich Feature Discovery with Class Activation Maps Augmentation for Person Re-Identification 原文链接： http://openaccess.thecvf.com/content_CVPR_2019/papers/Yang_Towards_Rich_Feature_Discovery_With_Class_Activation_Maps_Augmentation_for_CVPR_2019_paper.pdf 什么是注意力机制，即attention map？在CNN计算的过程中，对图像每一个部分的关注度是不一样的，如下所示。生成attention map: https://github.com/jazzsaxmafia/Weakly_detector 对应到行人重识别，我们不希望网络对某些部位过度关注，从而忽略一些关键信息，甚至于过度关注的部分是没意义的。为此就有了一个研究方向:注意力机制。 改善网络注意力的方法有很多，比如对注意力高的地方进行遮挡、对图像分块分别识别、行人的语义分割等。 这篇文章对注意力机制进行研究，各人认为实现流程相对简单，为我们提供了一种新思路。 改善注意力的方法： 如图，网络有三个分支，conv5之前参数共享。可以看出