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
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
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
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
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
将每一个网格拿出来，c通道的向量
原文：https://www.cnblogs.com/yongjieShi/p/15310053.html