面向行人属性识别的属性感知池化
计算机视觉与模式识别
2019-07-30 v1 机器学习
图像与视频处理
摘要
本文通过设计一种新颖的属性感知池化算法，将深度卷积神经网络（CNNs）的优势拓展至行人属性识别问题。现有普通CNNs因更大的标签空间以及属性纠缠与相关性，无法直接用于处理多属性数据。我们通过充分挖掘不同属性间的相关性，来解决阻碍CNNs用于多属性分类的这些挑战。采用多分支架构以关注不同区域的属性。除基于各分支自身的预测外，各分支的上下文信息也用于决策。所开发的属性感知池化用于整合这两类信息。因此，通过利用上下文信息，可准确识别不明显或与他人纠缠的属性。在基准数据集上的实验表明，所提池化方法恰当地探索并利用了属性间相关性用于行人属性识别。
引用
@article{arxiv.1907.11837,
title = {Attribute Aware Pooling for Pedestrian Attribute Recognition},
author = {Kai Han and Yunhe Wang and Han Shu and Chuanjian Liu and Chunjing Xu and Chang Xu},
journal= {arXiv preprint arXiv:1907.11837},
year = {2019}
}
备注
Accepted by IJCAI 2019