全局特征
全局特征指每一张行人图片的全局信息进行一个特征抽取，得到一个向量，没有包含任何空间信息。没有spatial信息会有问题
有时候，一个人只有上半身，一个人只有下半身就很蛋疼。所以全局特征会遇到瓶颈。
为了解决这个问题，提出局部特征
局部特征
局部特征是对图像的某一个区域进行特征抽取，最后将多个局部特征融合起来得到最终特征
- 切片，从上到下，符合人体拓扑结构
- 姿态，利用姿态估计模型将人的姿态估计出来，对一些关键姿态点进行特征提取，利用姿态信息得到局部特征
- 训练一个分割的网络，将整个人都给分割出来，相当于将人体的从背景中分离出来
- 网格，将图片切块，和feature map的尺寸匹配
以上四种特征是行人重识别里比较常用的特征，一般而言，切片和姿态使用的是最多的，其次是分割
Pre
姿态
通常会给一个行人定义14个姿态点，通过姿态估计模型可以得到
骨架
两个相邻的姿态点相连形成骨架
常用的姿态估计模型为hourglassnet。openpose
part
利用骨架的节点进行分区域，比如上半部分，下半身之类的，来得到part
水平池化
水平池化是指将feature map进行水平等分，然后再池化得到的分块局部特征
第一块feature map包含第一块比较大的信息，在以切片为思想的算法之中比较常见
网格特征
将每一个网格拿出来，c通道的向量