En el presente estudio, desarrollamos una red de reidentificación de personas llamada Red de Coseno de Atención de Granularidad Múltiple (MGAC). MGAC utiliza la Red de Granularidad Múltiple (MGN), que combina características globales y locales y construye un mecanismo de atención para agregar a MGN y formar una Red de Atención de Granularidad Múltiple (MGA). Con el mecanismo de atención, que se centra en características importantes, MGA evalúa la importancia de las características aprendidas, lo que resulta en puntajes más altos para características importantes y puntajes más bajos para características distractoras. Por lo tanto, la precisión de identificación se incrementa al mejorar las características importantes e ignorar las características distractoras. Realizamos experimentos con varios métricas de distancia clásicas y seleccionamos la distancia de coseno como la métrica de distancia para MGA para formar la red de reidentificación MGAC. En experimentos en el conjunto de datos principal Market-1501, MGAC exhibió altas precisiones de identificación del 96.2% y 94.9% para top-1 y mAP, respectivamente. Los resultados indican que MGAC es una red efectiva de reidentificación de personas y que los mecanismos de atención y la distancia de coseno pueden aumentar significativamente la precisión de reidentificación de personas.