ReID网络：MGN网络(5): 一点延伸: 缩减特征维度, 提高匹配效率

1. MGN网络输出

在实际使用MGN时，是将网络尾部的特征进行导出，并进行相关的相似性度量。

如图1所示，MGN特网络在析出特征的结尾处执行了concat操作。如果每一条特征维度是256的话，那么MGN最终输出将是2048维的特征。

图1 MGN特征输出

在进行特征相似度度量时，多个2048维的特征两两计算特征是一个不小的计算量。为了解决这个问题，我们可以在concat操作之后添加一个聚合层。

2. MGN特征析出聚合层

如图2所示，我们添加一个卷积层，称之为聚合层（feature_aggregate），该层变现为一个全连接层。

图2 聚合全连接层

使用方法如图3所示。

图3 聚合层

当然，这种修改方式有一种偷懒的嫌疑。从另一方面，这也只是为了抛砖引玉。MGN考虑到了通过多粒度特征，提高ReID的准确率。但是，可能对后续特征匹配效率缺少关注。

感谢大家关注！