重新思考行人属性识别：零样本行人身份设定下的可靠评估
计算机视觉与模式识别
2021-11-30 v2
摘要
行人属性识别旨在为视频监控摄像头捕获的行人图像分配多个属性。尽管已提出众多方法并取得巨大进展，我们认为有必要退一步分析该领域的现状。我们从三个视角回顾并重新思考近期进展。首先，鉴于行人属性识别缺乏明确且完整的定义，我们正式定义并将行人属性识别与其他相似任务区分开。其次，基于所提定义，我们揭示了现有数据集的局限性，它们违背学术规范且与工业实际应用的本质要求不一致。因此，我们提出两个数据集 PETA\textsubscript{} 和 RAP\textsubscript{}，遵循行人身份的零样本设定构建。此外，我们还引入了若干用于未来行人属性数据集构建的现实准则。最后，我们重新实现了现有的最先进方法并引入一种强基线方法，以给出可靠评估与公平比较。实验在四个现有数据集和两个所提数据集上进行，以衡量行人属性识别上的进展。
引用
@article{arxiv.2107.03576,
title = {Rethinking of Pedestrian Attribute Recognition: A Reliable Evaluation under Zero-Shot Pedestrian Identity Setting},
author = {Jian Jia and Houjing Huang and Xiaotang Chen and Kaiqi Huang},
journal= {arXiv preprint arXiv:2107.03576},
year = {2021}
}
备注
13 pages, 6 figures, journal version of arXiv:2005.11909, submitted to TIP. Code is available https://github.com/valencebond/Rethinking_of_PAR