基于神经网络的毕设题目_【外文文献速读】【图像处理】基于视频的行人属性识别...

c4343b22c944a75a23ec158219375c38.png

【外文文献速读】【图像处理】基于视频的行人属性识别

题目:

Video-Based Pedestrian Attribute Recognition

作者:

Zhiyuan Chen, Annan Li, Yunhong Wang

来源:

Computer Vision and Pattern Recognition (cs.CV)

(Submitted on 17 Jan 2019)

链接:

Video-Based Pedestrian Attribute Recognition

摘要

在本文中,我们首先通过基于视频的方法解决行人属性识别问题。挑战主要在于空间和时间建模以及如何将它们集成到有效和动态的行人表示中。为了解决这个问题,一个新的基于混合池策略的深度递归神经网络。由于公开可用的数据集很少,因此引入了一个新的用于行人属性识别的大型视频数据集,其中充分展示了基于视频的行人属性识别和提出的新网络架构的有效性。

英文原文

In this paper, we first tackle the problem of pedestrian attribute recognition by video-based approach.The challenge mainly lies in spatial and temporal modeling and how to integrating them for effective and dynamic pedestrian representation.To solve this problem, a novel deep recurrent neural network with hybrid pooling strategy is proposed.Since publicly available dataset is rare, a new large-scale video dataset for pedestrian attribute recognition is annotated, on which the effectiveness of both video-based pedestrian attribute recognition and the proposed new network architecture is well demonstrated.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
手把手讲授如何搭建成功OpenVINO框架,并且使用预训练模型快速开发超分辨率、道路分割、汽车识别、人脸识别、人体姿态和行人车辆分析。得益于OpenVINO框架的强大能力,这些例子都能够基于CPU达到实时帧率。课程的亮点在于在调通Demo的基础上更进一步:一是在讲Demo的时候,对相关领域问题进行分析(比如介绍什么是超分辨率,有什么作用)、预训练模型的来龙去脉(来自那篇论文,用什么训练的)、如何去查看不同模型的输入输出参数、如何编写对应的接口参数进行详细讲解;二是基本上对所有的代码进行重构,也就是能够让例子独立出来,并且给出了带有较详细注释的代码;三是注重实际运用,将Demo进一步和实时视频处理框架融合,形成能够独立运行的程序,方便模型落地部署;四是重难点突出、注重总结归纳,对OpenVINO基本框架,特别是能够提高视频处理速度的异步机制和能够直接部署解决实际问题的骨骼模型着重讲解,帮助学习理解;五是整个课程准备精细,每一课都避免千篇一律,前一课有对后一课的预告,后一课有对前一课的难点回顾,避免学习过程中出现突兀;六是在适当的时候拓展衍生,不仅讲OpenVINO解决图像处理问题,而且还补充图像处理的软硬选择、如何在手机上开发图像处理程序等内容,帮助拓展视野,增强对行业现状的了解。基本提纲:1、课程综述、环境配置2、OpenVINO范例-超分辨率(super_resolution_demo)3、OpenVINO范例-道路分割(segmentation_demo)4、OpenVINO范例-汽车识别(security_barrier_camera_demo)5、OpenVINO范例-人脸识别(interactive_face_detection_demo)6、OpenVINO范例-人体姿态分析(human_pose_estimation_demo)7、OpenVINO范例-行人车辆分析(pedestrian_tracker_demo)8、NCS和GOMFCTEMPLATE9、课程小结,资源分享
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值