Introduction
本文是一个轻量级的reid网络框架，贡献具体如下：
1) 作者设计了多粒度注意力选择(Multi-granularity attention selection)和特征表示(feature representation)的联合学习框架；
2) 提出了一个Harmouious Attention CNN (HA-CNN)来学习hard region-level和soft pixel-level的注意力；
3) 引入一个交叉注意力学习策略(cross-attention interaction learning)来进一步增强注意力选择和特征表示的兼容性。
Harmonious Attention Network
HA-CNN包含了全局分支(上方)和局部分支(下方)，网络的CNN模块主要由Inception-A/B构成，结构可以大致参考Inception-v4，也可以替换为其他主干网络的模块：
补充：复现源码中的Inception A/B 是这么设计的：
其中HA模块结构如下：灰色为卷积层，褐色为全局平均池化，蓝色为全连接层，每一层后均有ReLU+BN.
这部分中的通道注意力和空间注意力比较直观，下面介绍一下hard attention模块：
首先定义一个图像变换矩阵：
，其中sh和sw表示scale变化，为预设值，tx和ty表示空间位置，为待学习值。通过FC层学习到2T个值(T为局部区域数量)，再通过tanh激活函数将数值转为[-1, 1]之间(作者的解释是：因为存在边界框不齐的现象，有些区域可能会划分在边界框外)。将这个参数传到网络前端，为局部分支提供移动的方向，由此生成硬分割的局部注意力区域：
此外，作者还提出Cross-Attention Interaction Learning策略，将全局特征与局部特征相加融合，通过这种交互来丰富分支之间的联合学习。由于全局分支的学习能力和局部进行了共享，局部分支的网络层数可以得以降低。
Experiments
