這是今天要介紹的reid論文：
Interaction-and-Aggregation Network for Person Re-identification

這篇主要想解決的問題是person detection的時候，
行人姿態千遍萬化，如下圖(a)。
此外有時不一定會crop到完整的行人，如下圖(b)。
可能是過大或過小，或是只crop到局部，即使是SOTA的detector仍舊有誤差，

而本文希望透過增強reid特徵擷取能力，來解決這些問題。
根據Interaction-and-Aggregation(IA)的想法，
主要提出了兩種model結構，從Channel和Spatial的特徵做交互。

SIA Module

可劃分為Interaction和Aggregation兩個模塊。
首先將input reshape到CxM (M = H × W)

然後分為兩部分：

1. 外觀部分
   

計算每個特徵圖中點和其他點的乘積，也就是相關程度，產生紅色的feature map，
然後同理計算2x2和3x3的範圍，產生藍色和黃色的feature map，
最終將三個feature map乘積，得到最後灰色的feature map。

2. 位置關係部分
   除了計算特徵圖中點和其他點的外觀相關性，還要考慮位置相關性。
   這邊使用高斯分佈計算位置的相關程度。
   

最後再將兩部分的map進行點乘，
然後對原始的特徵圖F進行加權，得到了新的特徵圖E。

CIA Module

目前深度學習常見做法會透過加深網路來得到更高級的特徵，但這樣很容易丟失小細節特徵。
因此作者使用CIA來進行channel的特徵增強。

類似SIA，先將input reshape到CxM，F
然後對F和F轉置進行矩陣乘法，也就是計算出各Channel的相似度矩陣，
然後再對原本的F進行加權，得到新的特徵圖。

最後將SIA和CIA透過下列方式組合，組成IANet

Result