题目：Part-aware Attention Network for Person Re-Identification
作者：Wangmeng Xiang

一、要解决的问题(研究动机)：
（1）“多层次特征聚合”方法回会忽略不同层次特征图之间的长程联系
（2）基于特征提取的horizon pooling part会引起特征的误对齐

二、研究目标
（1）通过局部特征图与源特征图之间的一致性来计算注意力
（2）将高层局部特征和中间层特征联系起来，通过高层局部特征的引导，从中间层特征图中进行二次信息的生成

三、提出方法的依据
（1）中间层特征携带更多细粒度特征
（2）不同层的特征均映射到最后一层
（3）在所有空间点上计算

四、技术方法

用Part-aware Attention Network (PAN)来增强特征提取器的注意能力。
组成：part-aware attention module（局部注意力模块） and part feature learning module（局部特征学习模块）
（1）part-aware attention module（局部注意力模块）

第一步：得到Pi与X之间的一致性分数
第二步：将分数作为X的权重
第三步：进行归一化

综合上式可得到：

（2）part feature learning module（局部特征学习模块）

第一步：分别计算在视角i下，第j块的空间、通道注意力掩模，并将二者结合起来
第二步：将注意力与最后一层输出相乘，计算局部特征

五、方法创新归纳
（1）考虑了不同层特征图之间的关系
（2）解决了特征误对齐的问题

六、实验效果

八、我的体会和思考
需要注意在卷积过程中特征所发生的变化
不同卷积层之间有潜在的联系