Strong_Baseline_of_Pedestrian_Attribute_Recognition的readme.md的译文

1. 行人属性识别

论文：Rethinking of Pedestrian Attribute Recognition: Realistic Datasets with Efficient Method.

考虑到各种SOTA基准存在巨大的性能差距，因此我们提供了坚实而强大的基准进行公平比较。

2. 更新

• 20200901 添加了 infer.py文件

3. 依赖的python库

• scipy==1.4.1
• torch==1.4.0（pytorch 1.4.0）
• torchvision==0.5.0
• tqdm==4.43.0
• easydict==1.9
• numpy==1.18.1
• Pillow==7.1.2

4. 技巧

• 样本丢失而不是标签丢失
• 高学习率结合梯度裁剪(clip_grad_norm)
• 增强填充结合随机随机裁剪(RandomCrop)
• 分类层后添加BN(Batch Normalization，批量归一化)

5. 性能比较

5.1 基准性能

• 与M