行人属性“Person Attribute Recognition with a Jointly-trained Holistic CNN Model”

不考虑人体姿态，part及上下文信息，仅使用图像作为输入，训练CNN进行所有属性的预测。另外，提出了N/A标记，即对目标的属性不确定。如下图的人向左走，就无法确定其右手是否带包。

人体属性一般是二值的语义，如（ is male? wears a tshirt? carries a bag in the left hand?），或者多项输出（orientation - left, right, front, or back），可以用于图像检索，语义检索数据库。

ACN网络
网络的结构如下图所示：

对于N/A的样本，梯度设置为0。每个属性有一个损失函数，通过BP累积。最小化两个离散分布的KL 散度，Q是预测的结果，P是实际属性二值状态：
$KL(P||Q)=\sum^N_iP(x_i)log \frac{P(x_i)}{Q(x_i)}$
$P(x_i=yes)=l; p(x_i=no)=1-l$

目标空间是每个属性的交叉积，是一个结构化预测问题。

网络是一个两步训练过程，使用额外的fc层替换原来的损失层。额外的fc层是对每个属性学习带有隐含层的MLP，每个属性最有的隐含节点是64个。对目标任务的每个属性，增加分类及损失层。训练过程使用了一些数据增强技术：将原始输入框resize到不同的尺寸，水平镜像，PCA jittering。测试时使用所有crop的平均。

Reject Option
1. Reject Region 使用伯努利变量控制，阈值决定拒绝区域。
2. Softmax，训练具有N+1个输出的softmax损失。
3. Hierarchical Softmax，两步法，考虑两个变量A和B，p(A)标识属性是否可以检测到，p(B)标识属性为真的概率，A使用logistic损失，B使用softmax损失，最终属性预测为p(A)和p(B|A)的乘积。

数据库
HATDB
Berkeley-行人属性数据集
PaRSE-27k数据集

实验结果
自己在PARSE-27k数据集上的对比

在Berkeley行人属性数据集上与其他方法的对比