基于深度模板匹配与属性级关键点辅助监督的行人属性识别
计算机视觉与模式识别
2020-11-16 v1 人工智能
机器学习
摘要
行人属性识别（PAR）因其在视频监控场景中的重要作用而引起广泛关注。在大多数情况下，特定属性的存在与局部区域密切相关。近期工作设计了复杂模块，如注意力机制与身体部位提议，以定位属性对应区域。这些工作进一步证明精确局部化属性特定区域有助于提升性能。然而，这些基于部位信息的方法仍不够准确，且增加了模型复杂度，难以在真实应用中部署。本文提出一种基于深度模板匹配的方法，以更少计算量捕获身体部位特征。此外，我们还提出一种辅助监督方法，利用人体姿态关键点引导学习朝向判别性局部线索。大量实验表明，在包括 PETA、PA-100K、RAP 和 RAPv2 zs 在内的大规模行人属性数据集上，所提方法优于最先进方法且具有更低计算复杂度。
引用
@article{arxiv.2011.06798,
title = {Deep Template Matching for Pedestrian Attribute Recognition with the Auxiliary Supervision of Attribute-wise Keypoints},
author = {Jiajun Zhang and Pengyuan Ren and Jianmin Li},
journal= {arXiv preprint arXiv:2011.06798},
year = {2020}
}
备注
8 pages, 5 figures