PANDA: Pose Aligned Networks for Deep Attribute Modeling

PANDA: Pose Aligned Networks for Deep Attribute Modeling

源地址：http://blog.csdn.net/sheng_ai/article/details/39022229

目录(?)[+]

一.文献名字和作者

   PANDA: Pose Aligned Networks for Deep Attribute Modeling， Ning Zhang, Manohar Paluri, Marc’Aurelio Ranzato, Trevor Darrell, Lubomir Bourdev， CVPR2014

 

二.阅读时间

    2014年11月25日

三.文献的目的

    解决人的属性分类问题，同时，也解决使用CNN进行训练时需要大量训练样本的问题。

四.文献的贡献点

    文献提出了一种结合CNN和Part-base方法的人体属性分类算法，通过将图片划分为小块，从而使得CNN能够更加方便地训练，从而可以从较小的数据集中学习到强大的形态归一化的特征。

五.解决的问题

    1.part-based方法只能在图像块中使用底层特征，作者提出了使用CNN作为特征提取器，从而能够学到高层次的特征；

    2.CNN需要大量的训练样本进行训练，为了解决这个问题，作者使用每一个poselet的激活值作为一个单独的训练样本；

    3.由于人体的不同部分对于相同的信号有不同的反应，因此，使用局部块获得的信息不能表征人的属性，为了解决这个问题，作者在使用局部块获得特征之后，在最后又将这些特征组合起来。

    4.由于postlet不能覆盖这个图片以及一些退化的图片而已，拥有较少的poselets检测器，为了解决这个问题，作者提出了将图片中整个人体区域的bounding box区域作为最终的姿态归一化特征的输入。

    5.在实验的过程中，作者发现使用整个人体区域的话，需要一个复杂的CNN，因此，作者使用用Imagenet训练的CNN作为整个人体区域的特征提取器。

六.作者提出的方法

    作者提出了一种使用CNN作为局部区域的特征提取器，然后将提取到的特征进行融合，最后使用线性SVM作为分类器，从而产生属性分类器。

七.实验结果

八.使用的数据库

   1.The Berkeley Human Attributes Dataset

   2.Attributes 25K Dataset