用于行人属性识别的定位引导学习
计算机视觉与模式识别
2018-08-29 v1
摘要
行人属性识别因其在监控视频场景理解与行人分析中的广泛应用而备受关注。现有方法试图利用额外的姿态、部位或视角信息来补充用于属性分类的全局特征表示。然而，这些方法在定位与不同属性对应的区域时面临困难。为解决此问题，我们提出一种新颖的定位引导网络（Localization Guided Network），其基于预提取候选框与属性位置之间的亲和度，为局部特征分配属性特定权重。我们模型的优势在于，我们的局部特征是为每个属性自动学习的，并通过与全局特征的交互得到增强。我们在两个行人属性基准（PA-100K 和 RAP）上证明了定位引导网络的有效性。我们的结果在两个数据集的全部五项指标上均超越了之前的 state-of-the-art。
引用
@article{arxiv.1808.09102,
title = {Localization Guided Learning for Pedestrian Attribute Recognition},
author = {Pengze Liu and Xihui Liu and Junjie Yan and Jing Shao},
journal= {arXiv preprint arXiv:1808.09102},
year = {2018}
}
备注
Accepted by BMVC 2018