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