数据及代码链接见文末

源码详解：

https://blog.csdn.net/qq_52053775/article/details/129344235

1.论文整体框架概述

在行人重识别任务中，

通常都是对整个输入数据进行特征提取，但是缺少了局部信息。能不能既考虑局部与整体信息，也同时加入他们的联系呢？这篇论文主要的思想就是局部信息和全局信息的融合。

整体流程如上图所示，

• 
  首先对整体进行特征提取，
  
  通常采用图像分类网络（如resnet50）进行特征提取，获得特征图
• 
  然后将特征图分块，这篇论文中直接在h维度进行截取分块，并没有利用其它辅助信息。可以理解为将人分为不同的局部区域
  
• 然后就是整个论文的核心部分，GCP模块提取得到全局特征，One-vs-Rest获得局部特征。对于全局特征的获取，
  
  Maxpool提取到的是整体全局的特征，