面向行人属性识别的空间与语义一致性正则化
计算机视觉与模式识别
2021-09-14 v1
摘要
尽管近期关于行人属性识别的研究在利用复杂网络与注意力机制方面取得了显著进展，但大多数忽视了图像间关系以及一个重要先验：监控场景下属性的空间一致性与语义一致性。同一属性的空间位置在不同行人图像间应保持一致，例如“帽子”属性与“靴子”属性总是分别位于图像的顶部与底部。此外，“帽子”属性的内在语义特征应保持一致，无论是棒球帽、贝雷帽还是头盔。为充分利用图像间关系并在模型学习过程中聚合人类先验，我们构建了空间与语义一致性（SSC）框架，其由两种互补的正则化组成，以实现每个属性的空间与语义一致性。具体而言，我们首先提出空间一致性正则化以聚焦于可靠且稳定的属性相关区域。基于精确的属性位置，我们进一步提出语义一致性正则化以提取内在且具有判别性的语义特征。我们在包括 PA100K、RAP 与 PETA 的流行基准上进行了广泛实验。结果表明，所提方法在不增加参数的情况下优于最先进的方法。
引用
@article{arxiv.2109.05686,
title = {Spatial and Semantic Consistency Regularizations for Pedestrian Attribute Recognition},
author = {Jian Jia and Xiaotang Chen and Kaiqi Huang},
journal= {arXiv preprint arXiv:2109.05686},
year = {2021}
}
备注
Accepted to ICCV 2021