[论文复现]A Richly Annotated Dataset for Pedestrian Attribute Recognition

[论文复现]A Richly Annotated Dataset for Pedestrian Attribute Recognition
整体介绍
复现了一篇行人识别的论文

数据集介绍

实验中采用peta数据集进行模型训练和测试。peta数据集存于./dataset/peta中。由于数据集有19000张图片，过于庞大，所以提交文件中只有数据集标注的文件。

从数据集标注文件中来看，将19000张图片按5:1:4分成训练集、验证集和测试集。每个数据包含了105 个特征，但有的特征出现次数太少，即使采用加权交叉熵损失函数也不太适合，所以在训练时只选取了其中35个特征。数据集详细介绍参见./dataset/peta/README.

主要运行环境

python2.7+pytorch1.4

模型构建

主要采用论文中提到的deepmar模型。但论文中用的backbone是CaffeNet，而这里复现时用的ResNet50作为backbone。

对于预训练好的ResNet50，除去其最后的全连接层，改用自己的全连接层。最终因为要联合训练35个特征，所以输出为35维向量，采用加权交叉熵损失函数。加权的作用是减轻特征数量差距太大的影响。

论文中的网络结构如下

论文中采用图©所示的backbone和(b)中的整体架构。而在本实验中只是将©的backbone换成ResNet50。

损失函数具体形式为

​ $$Loss=-\frac{1}{N}\sum _{i=1}^N\sum _{l=1}^L{w}_l[y_{il}\log (\widehat{p_{il}})+(1-y_{il})\log (1-\widehat{p_{il}})]$$

​ $$w_l=\exp (-p_l/{\sigma }^2)$$

其中$N$表示数据集总量，$L$表示特征总量，$y_{il}$表示第$i$个样本的第$l$个特征真实值({0,1})，$p_l$表示第$l$个特征所占比重。

模型训练和测试

在当前目录运行sh script/experiment/train.sh进行训练。

在当前目录运行sh script/experiment/test.sh进行测试。

由于在提交文件中不包含训练数据所以无法运行shell，但在./exp/deepmar_resnet50/peta/partition0/run1/model路径下有训练好的模型(迭代1次和50次)

下图是在训练至第70个eopch时的结果

对比论文中的结果

可以发现采用ResNet50训练的结果得到全方位的提升。

下面是对于demo中的样本的检测结果。中间是实际的标注，右边是用迭代50次的模型得到的结果，对比发现预测出的特征已经和实际值非常接近，表明该方法的性能较好。