行人重识别，是利用计算机视觉技术对跨摄像头的人员图像进行特征提取，从而进行人员匹配的技术，广泛应用于智慧安防、智慧零售等领域，是人工智能技术与产业结合的重要支点。

弱小目标检测跟踪的核心挑战之一在于目标尺寸小，分辨率不足，因而难以提取足够具有判别力的特征。深度卷积神经网络（CNN）相对于传统方法，在单图像超分辨率任务的性能取得了显着提升，但这些基于CNN的方法忽略了充分利用残差分支上的分层特征。对应上述挑战，拟引入一种新颖的残差特征聚合框架，用于更有效的特征提取，同时引入一个增强的空间注意力模块，以使残差特征更加集中于关键的空间内容，充分利用残差分支上的分层特征，进行待检测目标图像块的超分辨重构，突破在小目标图像上进行检测的局限性。

空间感知与智能计算方向介绍