HydraPlus-Net：用于行人分析的注意力深度特征
计算机视觉与模式识别
2017-09-29 v1
摘要
行人分析在智能视频监控中起着至关重要的作用，并且是面向安全的计算机视觉系统的关键组成部分。尽管卷积神经网络在学习图像判别性特征方面表现出色，但为细粒度任务学习行人的全面特征仍然是一个悬而未决的问题。在本研究中，我们提出了一种新的基于注意力的深度神经网络，命名为 HydraPlus-Net（HP-net），它多方向地将多层注意力图馈送到不同的特征层。从所提出的 HP-net 中学到的注意力深度特征带来了独特的优势：（1）该模型能够捕获从低层到语义层的多重注意力，以及（2）它探索了注意力特征的多尺度选择性，以丰富行人图像的最终特征表示。我们在行人属性识别和行人重识别这两个任务上展示了所提出的 HP-net 在行人分析中的有效性和通用性。大量的实验结果证明，HP-net 在各种数据集上优于当前最先进的方法。
引用
@article{arxiv.1709.09930,
title = {HydraPlus-Net: Attentive Deep Features for Pedestrian Analysis},
author = {Xihui Liu and Haiyu Zhao and Maoqing Tian and Lu Sheng and Jing Shao and Shuai Yi and Junjie Yan and Xiaogang Wang},
journal= {arXiv preprint arXiv:1709.09930},
year = {2017}
}
备注
Accepted by ICCV 2017