行人属性识别——Multi-attribute Learning for Pedestrian Attribute Recognition in Surveillance Scenarios

最新推荐文章于 2022-06-30 08:48:21 发布
最新推荐文章于 2022-06-30 08:48:21 发布
阅读量1w 收藏 37
点赞数 3
分类专栏： 行人属性 文章标签： 行人属性
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/youshiwukong1524/article/details/83827533
版权
本文提出DeepSAR和DeepMAR两个网络解决监控场景下行人属性识别问题。DeepSAR独立识别每个属性，而DeepMAR考虑属性间的关系。实验表明，DeepMAR在处理属性关联和小比例属性识别时表现出优势。未来工作将探索多标签学习任务的新型损失函数，并应用于行人重识别。
摘要由CSDN通过智能技术生成

年份：2015 
会议：3rd IAPR Asian Conference on Pattern Recognition (ACPR)
机构：中国科学院.自动化研究所.模式识别国家重点实验室
网络：DeepSAR DeepMAR
源码（论文没有提供源码，是他人实现的）：https://github.com/kyu-sz/DeepMAR_deploy 

该论文是后期被行人属性相关论文引用最多的。当前（2015年）属性识别问题主要针对两个应用场景，自然场景和监控场景。本篇论文针对监控场景。

该论文就行人属性识别领域存在的两个主要问题（手工找特征不能很好的适用视频场景、属性之间的关系被忽略），主要提出了两个网络，DeepSAR和DeepMAR。

DeepSAR：独立识别每个属性。将每一个属性的识别当作二元分类问题，然后一个一个识别每个属性。
DeepMAR：利用属性之间的关系，如长发更有可能是女性，所以头发的长度有利于帮助识别性别属性。将所有属性的识别一次性完成，多标签分类问题。

网络结构：

最低0.47元/天 解锁文章
Harmin
关注
专栏目录
PGDMPose guided deep model for pedestrian attribute recognition in surveillance
03-14
在智能视频监控领域，识别行人的属性，如性别、是否携带背包以及衣物类型等，近年来受到了越来越多的关注。这主要是因为行人属性识别在智能视频监控、人员检索和基于属性的人员识别等实际应用中具有很大的潜力。例如...
人体属性检测与深度实战
AI 数据库me
03-03 4185
深度学习计算机视觉从入门到精通——人体属性检测与深度实战 说明：本文来自数据堂人工智能实验室（AI Lab ）深度学习计算机视觉从入门到精通第六讲人体属性检测与深度实战。 主讲人：丁勇 一、人体属性检测介绍 1.1人体属性检测概述 总体来讲人体属性检测在机器视觉方面可以概括为：给定人体框，通过分析人体属性特征与图像低层特征的映射关系，检验或识别出人体框中的视觉语义特征。 1.2人体属性检测处理流...
行人属性识别的一个调研
qwj的博客
06-30 1801
行人属性识别的一个调研
Multi-attribute Learning for Pedestrian Attribute Recognition in Surveillance Scenarios
cdknight_happy的专栏
12-19 1868
1 简介 自然场景下的属性识别，如人脸识别、目标识别，已经取得了良好的识别效果。但是，监控场景下图像分辨率小、模糊，包含大的姿势和光线变化，识别效果并不理想。 作者提出使用CNN模型进行行人属性识别。 核心点： 使用卷积神经网络(CNN)进行特征提取； 设计DeepSAR网络进行单个属性的识别； 设计DeepMAR网络多属性的联合识别，如长头发的行人性别更可能是女； 设计了加权sigmoid交叉...
CVPR2020_Hierarchical Feature Embedding for Attribute Recognition详解
DRACOYU的博客
12-17 1325
摘要 由于视点变化、光照变化和外观变化等原因，属性识别是一项重要而又具有挑战性的任务。以往的工作大多只考虑属性级特征嵌入，在复杂的多类别识别条件下性能较差。为了解决这一问题，我们提出了一种层次特征嵌入(HFE)框架，该框架通过结合属性和ID信息学习细粒度特征嵌入。在HFE中，我们同时维护了类间和类内特征的嵌入。将具有相同属性的样本和具有相同ID的样本更紧密地聚集在一起，限制了视觉上的难样本在属性方面的特征嵌入，提高了对变化条件的鲁棒性。我们利用由属性和ID约束组成的HFE loss建立了该层次结构。我们还
Learning Temporal Features Using LSTM-CNN Architecture for Face Anti-spoofifing
CoderWangSon
06-11 732
Learning Temporal Features Using LSTM-CNN Architecture for Face Anti-spoofifing 标签： 论文 anti-spooing 论文出处： 2015 3rd IAPR Asian Conference on Pattern Recognition 本文提出的方法 本文的贡献有，使用了端到端的网络进行欺诈检测，提出了LSTM-...
Incremental Few-Shot Learning for Pedestrian Attribute Recognition.pdf
03-15
PETA（Person Attribute Dataset）和RAP（Rugby Attribute Prediction）数据集被用于实验中，提供了行人属性识别的标准测试环境。这些数据集通常包括成千上万的行人图片及其标注属性。在增量学习场景中，研究人员...
Pedestrian-Attribute-Recognition:基于VesPA，WPAL的一些行人属性识别方法。 PA-100K和RAP进行培训
05-10
在`Pedestrian-Attribute-Recognition-master`这个压缩包中，很可能是包含了实现这些步骤的源代码、预训练模型、配置文件以及数据集的处理脚本。用户需要按照项目文档的指示进行安装依赖、配置参数，并运行训练和...
颜色分类leetcode-Person-Attribute-Recognition-MarketDuke:在PyTorch中为行人属性识别任务
07-06
中为行人属性识别任务实现的简单基线，评估 Market-1501-attribute 和 DukeMTMC-reID-attribute 数据集。 数据集 您可以从 . 您还需要下载 Market-1501 和 DukeMTMC-reID 数据集。 然后，在您的数据集路径下创建一个...
Pedestrian-Attribute-LGNet:论文“行人属性识别的本地化指导学习”（BMVC 2018）的源代码-Source code learning
03-25
行人属性 论文“行人属性识别的本地化指导学习”的源代码。 被接受。 作者 刘鹏泽，，， 最初在具有几个附加层的定制Caffe上实现： ... title={Localization guided learning for pedestrian attribute recognition},
行人属性识别算法合集
05-10
行人属性识别算法合集包括DeepMar，attention-heat-map-refining，RstarCNN，Weakly-supervised-Network
Pedestrian Attribute Recognition with Graph Convolutional Network in Surveillanc
07-06
Pedestrian Attribute Recognition with Graph Convolutional Network in Surveillance Scenarios
行人属性“Multi-attribute Learning for Pedestrian Attribute Recognition in Surveillance Scenarios”
cv_family_z的博客
10-20 5013
行人属性预测中被多篇论文引用的论文。内容相对简单，两个网络结构，DeepSAR对每个属性独立预测，DeepMAR多属性联合预测。 目前属性预测关注的两个场景：自然场景和监控场景。自然场景图像质量一般比较高，而监控场景图像一般比较模糊、分辨率低、光线变化比较大。属性间一般是相互关联的，如头发的长度可以帮助性别的识别。 网络结构： 属性通常不具有同一分布，为解决样本不均问题，提出改进的损失函
行人属性“Human Attribute Recognition by Deep Hierarchical Contexts”
cv_family_z的博客
10-13 4126
还是使用poselet检测到的part与行人整体结合，提取深度特征进行行人属性识别。此外，使用human-centric和scene-centric的上下文信息提升性能。human-centric上下文使用cnn特征最近邻计算其他行人part的相似度，捕获行人相互关系。场景上下文信息，使用全局场景分类得分对human-centric的预测结果进行重新打分。思路来源：如下图所示，由于遮挡和低图像质量等
行人属性“HydraPlus-Net: Attentive Deep Features for Pedestrian Analysis”
cv_family_z的博客
10-10 5549
来自SenseTime的论文，提出了一个基于注意力机制的深度网络HydraPlus-Net，将多层注意力机制图多向映射到不同的特征层。由HP-Net得到的注意力深度特征具有几个优点：（1）模型能够从浅层到语义层捕获注意力；（2）挖掘多尺度的注意力特征，充实最终的行人特征表示。代码： https://github.com/xh-liu/HydraPlus-Net行人重认证，行人属性分析，重点关注能够补
行人重识别 MSMT17数据集描述
热门推荐
hyk_1996的博客
08-12 2万+
        最近的CVPR2018会议上，提出了一个新的更接近真实场景的大型数据集MSMT17，即Multi-Scene Multi-Time，涵盖了多场景多时段。   早期数据集的缺点 （1）和实际的监控网络相比，数据集中行人和摄像头的数目不多； （2）大多数数据集仅覆盖单一场景； （3）时间跨度短，没有显著的光照变化； （4）行人检测器有昂贵的人工标注或过时的DPM模型实现。 ...
行人属性识别：Grouping Attribute Recognition for Pedestrian with Joint Recurrent Learning
huangyiping12345的博客
04-08 2480
参考文献：Zhao X, Sang LF, Ding GG, Guo YC, Jin XM. Grouping attribute recognition for pedestrian with joint recurrent learning[C]. Twenty-Seventh International Joint Conference on Artificial Intelligence ...
行人属性“Generative Adversarial Models for People Attribute Recognition in Surveillance”
cv_family_z的博客
10-17 1474
对于监控场景下的行人，图片一般不清晰或被其他行人物体遮挡，可以进行图像清晰化、去遮挡操作，提升属性识别准确率。相关工作 整个人体进行属性的识别：ACN，DeepMAR；part-based models，R*CNN；MLCNN。方法描述 1. 几种方法对比 baseline方法：基于ResNet的行人属性分类。 两个生成对抗模型：重建被遮挡的人体部位，提高图像分辨率。 2. 网络描述 属
ETSI TS 103532 V1.1.1: Attribute-Based Encryption for Access Control
"ETSITS103532V1.1.1(2018-03) 是一份关于Attribute-Based Encryption for Attribute-Based Access Control（基于属性的加密和基于属性的访问控制）的技术规范，由ETSI（欧洲电信标准协会）发布。这份文档涉及了访问...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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