基于视角-属性注意力定位的监控场景下行人属性识别
计算机视觉与模式识别
2023-11-07 v2
摘要
由于特定属性定位不准确，监控场景下的行人属性识别仍是一项具有挑战性的任务。本文提出一种基于注意力机制的视角-属性定位方法（VALA），其利用视角信息引导识别过程聚焦于特定属性，并采用注意力机制定位特定属性对应区域。具体而言，视角预测分支利用视角信息生成四个视角权重，代表来自不同视角的属性置信度。随后将视角权重反馈以构成特定视角-属性，其将参与并监督深度特征提取。为探索视角-属性的空间位置，引入区域注意力以聚合空间信息并编码视角特征的通道间依赖关系。进而定位出精细的注意力属性特定区域，并通过区域注意力获得该视角-属性在不同空间位置的区权重。最终通过结合视角权重与区权重得到视角-属性识别结果。在三个广泛数据集（RAP、RAPv2 和 PA-100K）上的实验证明了相较 SOTA 方法的有效性。
引用
@article{arxiv.2106.06485,
title = {Pedestrian Attribute Recognition in Video Surveillance Scenarios Based on View-attribute Attention Localization},
author = {Weichen Chen and Xinyi Yu and Linlin Ou},
journal= {arXiv preprint arXiv:2106.06485},
year = {2023}
}