[PersonReID] Part-Aligned Representations for Person Re-Identification

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/u013608336/article/details/82786648

ICCV2017 paper: Deeply-Learned Part-Aligned Representations for Person Re-Identification
code
caffe 网络结构代码
caffe网络结构可视化

论文中的网络结构

拿出inception的最后一个卷积层的feature map的输出：（ w ,h ,512)
1.输入feature map ，用1x1的卷积，8个通道，生成8个和feature map同样大小的part map。 (w,h,8)，
2.将8个part map和feature map进行element-wise multiplication。
3.8个通道分别进行全局平均的pooling
4.分别经过线性层 512–>64
5.8个feature进行concat，64*8
6.对拼接的feature进行l2 normalization

caffe网络结构

base model 就是inception，文中说用了FCN,AlexNet，以及 googlenet ，图片太长就不放了

part net 和FC 以及pooling的对比

卷积层的最后一层feature map 分别送入FC 和pooling，和送入part net进行了对比