面向监控中行人属性识别的生成对抗模型
计算机视觉与模式识别
2017-07-10 v1
摘要
在本文中，我们提出了一种深度架构，用于在监控场景下检测行人属性（例如性别、种族、衣着……）。我们的方案通过深度卷积生成对抗网络（DCGAN）增强图像，显式地处理监控视频中常出现的低分辨率和遮挡问题。实验表明，通过结合我们的生成重建网络与深度属性分类网络，即使在分辨率低且存在覆盖整个人形高达 80\% 的强遮挡情况下，也能有效提取属性。
引用
@article{arxiv.1707.02240,
title = {Generative Adversarial Models for People Attribute Recognition in Surveillance},
author = {Matteo Fabbri and Simone Calderara and Rita Cucchiara},
journal= {arXiv preprint arXiv:1707.02240},
year = {2017}
}
备注
Accepted as oral presentation at AVSS 2017