基于由粗到细注意力机制的抗干扰特征学习用于人体属性识别
计算机视觉与模式识别
2019-11-27 v1
摘要
近年来，人体属性识别（HAR）因其科学挑战与应用潜力而成为研究热点，其中属性定位是关键环节但尚待妥善处理。本文提出一种新颖的深度学习HAR方法，即抗干扰HAR（Da-HAR）。该方法通过由粗到细注意力机制改善属性定位，从而增强深度CNN特征学习。在粗粒度步骤中，构建自掩码块以粗略区分并抑制干扰；在细粒度步骤中，应用掩码注意力分支进一步消除无关区域。得益于该机制，特征学习更为准确，尤其在存在严重遮挡与复杂背景时。在WIDER-Attribute与RAP数据库上进行了大量实验，取得了当前最优（SOTA）结果，证明了所提方法的有效性。
引用
@article{arxiv.1911.11351,
title = {Distraction-Aware Feature Learning for Human Attribute Recognition via Coarse-to-Fine Attention Mechanism},
author = {Mingda Wu and Di Huang and Yuanfang Guo and Yunhong Wang},
journal= {arXiv preprint arXiv:1911.11351},
year = {2019}
}
备注
8 pages, 5 figures, accepted by AAAI-20 as an oral presentation