车辆重识别是指在非重叠视图的不同摄像头下进行的车辆匹配，即确认不同位置的摄像头在不同的时刻拍摄到的车辆目标是否为同一车辆。大多数现有的方法都依赖于显著区域的细粒度线索。这些方法通常需要额外的辅助网络定位包含细粒度线索的显著区域。而光照、视点和遮挡等状态的变化会影响显著区域的位置。为了解决上述问题，本文提出了区域引导的空间特征聚合网络（RSFAN）用于车辆重新识别，它迫使模型学习次要显著区域的潜在信息。首先，区域定位（RL）模块无需附加辅助网络即可自动定位显著区域。此外，为了减轻显著区域不准确造成的误导，采用了一种空间特征聚合（SFA）模块分别减弱和增强显著和次要显著区域特征的表达。同时，为了增强次要显著区域相关信息的多样性，本文提出一个跨层通道注意（CCA）模块，通过跨通道注意机制实现次要显著区域相关信息的跨层交互。最后，为了约束显著区域和次要显著区特征之间的分布差异，提出了一种分布方差（DV）损失。