端到端模型中的深度视角敏感行人属性推断
计算机视觉与模式识别
2017-07-20 v1
摘要
行人属性推断是视觉监控中的一个迫切问题，可促进行人检索、搜索和索引。为利用属性间的语义关系，近期研究将其视为多标签图像分类任务。暗示属性的视觉线索可能高度局部化，而诸如头发、背包、短裤等人物属性的推断高度依赖于所获取的行人视角。本文中，我们在端到端学习框架中确认这种依赖性，并表明视角敏感属性推断能够学习更好的属性预测。我们提出的模型联合预测行人的粗略姿态（视角）并学习专门的视角特定多标签属性预测。我们在三个具有挑战性的数据集（PETA、RAP和WIDER）上的广泛评估表明，我们提出的端到端视角感知属性预测模型提供了具有竞争力的性能，并改进了这些数据集上已发表的最优（SOTA）结果。
引用
@article{arxiv.1707.06089,
title = {Deep View-Sensitive Pedestrian Attribute Inference in an end-to-end Model},
author = {M. Saquib Sarfraz and Arne Schumann and Yan Wang and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:1707.06089},
year = {2017}
}
备注
accepted BMVC 2017