局部特征重叠的行人属性识别方法
Computer Systems & Applications（2022）
摘要
针对目前的行人属性识别方法存在行人属性数据不均衡、行人特征表达能力不足、鲁棒性差的问题,本文提出局部特征重叠与行人属性识别相结合的方法.网络使用全局和局部两个分支来提升网络整体特征表达能力,在局部分支中将得到的特征图切分为几块大小相同的几个部分并使用Focal loss计算每个属性的损失解决行人属性不均衡问题.最后将投票选出的各属性最优损失与全局特征计算出来的ID损失共同作为模型总损失.在Market-1501_attribute和DukeMTMC-attribute两个行人属性数据集上进行测试,实验结果表明所提方法能够有效提高行人重识别的准确性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要