利用组稀疏性处理遮挡视频的鲁棒行人属性识别
计算机视觉与模式识别
2022-07-22 v4
摘要
遮挡处理是行人属性识别（PAR）中的关键问题。然而，若干现有的基于视频的 PAR 方法尚未深入考虑遮挡处理。本文将寻找未遮挡帧建模为拥挤视频中基于稀疏性的时间注意力。以此方式，模型被引导不去关注被遮挡的帧。然而，时间稀疏性在遮挡发生时无法包含属性间的相关性。例如，当脚不可见时，“靴子”与“鞋的颜色”无法被识别。为解决不相关注意力问题，我们还提出了一种新颖的基于组稀疏性的时间注意力模块。组稀疏性被应用于相关属性间的注意力权重。因此，组内注意力权重被迫关注相同帧。实验结果表明，所提方法在两个基于视频的 PAR 数据集上取得了比最先进（state-of-the-art）方法更高的 F1-score。
引用
@article{arxiv.2110.08708,
title = {Robust Pedestrian Attribute Recognition Using Group Sparsity for Occlusion Videos},
author = {Geonu Lee and Kimin Yun and Jungchan Cho},
journal= {arXiv preprint arXiv:2110.08708},
year = {2022}
}
备注
9 pages, 4 figures