面向行人属性识别的增量少样本学习
计算机视觉与模式识别
2019-06-25 v2
摘要
行人属性识别因其在视频监控应用中的重要作用而受到越来越多的关注。然而，大多数现有方法针对固定的属性集合设计，无法处理增量少样本学习场景，即利用稀缺数据使训练良好的模型适应新增加的属性，这在现实世界中普遍存在。本工作中，我们提出一种基于元学习的方法来解决该问题。我们框架的核心是一个能够解耦多属性信息并快速泛化到新来属性的元架构。通过在基准数据集PETA和RAP上于增量少样本设定下进行大量实验，我们表明我们的方法能够以有竞争力的性能和较低的资源需求完成该任务。
引用
@article{arxiv.1906.00330,
title = {Incremental Few-Shot Learning for Pedestrian Attribute Recognition},
author = {Liuyu Xiang and Xiaoming Jin and Guiguang Ding and Jungong Han and Leida Li},
journal= {arXiv preprint arXiv:1906.00330},
year = {2019}
}
备注
IJCAI 2019