行人重识别旨在判断行人在不同的摄像机视域下是否出现过,是图像检索的一个子问题。随着深度学习在计算机视觉领域的广泛应用,基于深度学习的行人重识别已经成为主流模型,并且在效果上远远超出基于传统机器学习的行人重识别方案。但在在实际的应用场景中,由于存在摄像机分辨率太低、姿态变化、光照变化频繁和遮挡严重等一系列问题,行人重识别任务仍然具有很大的挑战性。如何提取对光照变化、姿态变化和遮挡鲁棒的、有区分性的特征表示,显得尤为重要。鉴于全局特征无法摒除行人背景等干扰信息,也无法获得更多细粒度的局部表示,目前的主流模型使用注意力机制来建模全局和局部特征作为最终的行人表示,以抑制背景等干扰信息并获得更多细粒度的局部表示。本文针对注意力机制和分割局部带来的缺点分别提出了相应的改进方案,主要概述如下:针对注意力机制对潜在显著特征提取能力不足的问题,本文在注意力机制的基础上提出了级联注意力增强/抑制网络（Cascaded Attention Enhancement/Suppression Network,CAE/SN）,对每个阶段的显著注意力进行提取和增强,而在下一阶段进行抑制,以提取潜在的显著特征,挖掘了多级显著区域,获得了鲁棒的特征表示。针对基于水平分割获取多粒度局部特征的模型无法解决行人部位不对齐问题,本文摒弃简单的水平分块方式,引入了聚类算法生成伪标签作为行人图像的语义监督信息,利用像素级伪标签来确定局部区域并获取多粒度的局部特征。本文将两种改进进行结合,提出了聚类指导级联注意力（Cascade Attention Guided By Clustering,CAGBC）网络,即在显著注意力增强/抑制阶段采用语义伪标签来指导显著区域范围的划分,摆脱了注意力机制对潜在特征提取能力不足问题和水平分割导致的语义不对齐问题,获得了多级的鲁棒的显著特征。将本模型在Market-1501和Duke MTMC两个大规模数据集上进行试验,本文在m AP评价指标上分别获得了88.7%和80.1%的成绩,且在Market-1501数据集上比使用姿态辅助的DSA-Re ID模型超出了1.1%。这表明,在不使用额外语义信息（如姿态检测、人类语义解析）的情况下我们的模型取得了与使用额外语义预训练的模型不相上下的结果,也进一步说明了对于多级显著特征进行提取和用语义伪标签指导显著区域选择的意义。