基于多标签对抗领域自适应的行人属性识别算法

1

作者 胡强梁 陈琳 尚明生 《北京航空航天大学学报》 北大核心 2025年第7期2478-2487,共10页

针对无监督领域自适应算法通常局限于单标签学习问题,难以适配针对行人属性的多标签分类任务,提出一种多标签对抗领域自适应的行人属性识别算法。为适应行人属性多标签领域迁移任务,基于多标签特征分离模块,利用特定类别语义对主干网络... 针对无监督领域自适应算法通常局限于单标签学习问题,难以适配针对行人属性的多标签分类任务,提出一种多标签对抗领域自适应的行人属性识别算法。为适应行人属性多标签领域迁移任务,基于多标签特征分离模块,利用特定类别语义对主干网络提取的深度特征进行属性分离,有效提取特定属性的表征信息。针对不同领域属性特征分布差异较大的难点,提出基于分类器复用的多标签领域鉴别模块,同时实现多标签领域对齐和多标签分类,有效利用预测的鉴别信息捕获特征分布的多模式结构。实验结果表明:所提算法对比基准模型有明显提升,在平均准确率、准确率、召回率和F1指标上分别提升了4.49%、5.5%、11.44%和5.89%;所提算法为多标签领域自适应学习提供了新思路。 展开更多

关键词 行人属性识别 多标签学习 多标签领域自适应 多属性特征提取 多标签分类

在线阅读 下载PDF 职称材料

基于多级注意力跳跃连接网络的行人属性识别 被引量：8

2

作者 王林 李聪会 《计算机工程》 CAS CSCD 北大核心 2021年第2期314-320,共7页

行人属性识别易受视角、尺度和光照等非理想自然条件变化的影响,且某些细粒度属性识别难度较大。为此,提出一种多级注意力跳跃连接网络MLASC-Net。在网络中间层,利用敏感注意力模块在通道及空间维度上对原特征向量进行筛选加权,设计多... 行人属性识别易受视角、尺度和光照等非理想自然条件变化的影响,且某些细粒度属性识别难度较大。为此,提出一种多级注意力跳跃连接网络MLASC-Net。在网络中间层,利用敏感注意力模块在通道及空间维度上对原特征向量进行筛选加权,设计多级跳跃连接结构来融合所提取的显著性特征。在网络顶层,改进多尺度金字塔池化以融合局部特征和全局特征。在网络输出层,结合验证损失算法自适应更新损失层,加速模型的收敛并提高精度。在PETA和RAP数据集上的实验结果表明,MLASC-Net的识别准确率相较原基准网络分别提高约4.62和6.54个百分点,其在识别效果和模型收敛速度上有明显优势,同时在非理想自然条件下具有良好的泛化能力,可有效提高网络对细粒度属性的鲁棒性。 展开更多

关键词 行人属性识别 多级跳跃连接网络 敏感注意力 多尺度金字塔 残差网络

在线阅读 下载PDF 职称材料

结合语义与图像信息的行人属性识别算法 被引量：1

3

作者 杨祖赫 黎智辉 +2 位作者 唐云祁 晏于文 宋华青 《计算机工程》 CAS CSCD 北大核心 2023年第8期215-222,231,共9页

为提升行人属性的识别精度,充分利用行人属性间自然语义关联并解决不同属性相关图像信息的提取差问题,提出结合语义与图像信息的行人属性识别算法。通过自注意力机制的关系建模能力挖掘行人属性间的内在联系,利用交叉注意力机制建立属... 为提升行人属性的识别精度,充分利用行人属性间自然语义关联并解决不同属性相关图像信息的提取差问题,提出结合语义与图像信息的行人属性识别算法。通过自注意力机制的关系建模能力挖掘行人属性间的内在联系,利用交叉注意力机制建立属性间语义信息与图像特征信息的关系。在此基础上,依靠卷积融合图像的高阶与低阶特征并为模块增加局部特征信息,提升模型的泛化能力,通过设计属性预测模块,使模型可与任意骨干网络相拼接,进一步提升识别性能。实验结果显示,该算法的平均精度、准确率、F1值在PA-100K和PETA数据集上分别为84.04%、79.71%、88.03%和89.04%、82.39%、89.06%,与ALM、JLAC等算法相比,能够充分利用属性语义与图像特征信息,在多项评价指标上有明显提升。 展开更多

关键词 行人属性识别 自注意力 卷积 特征融合 多标签分类

在线阅读 下载PDF 职称材料

基于深度学习的行人属性多标签识别 被引量：3

4

作者 李亚鹏 万遂人 《中国生物医学工程学报》 CAS CSCD 北大核心 2018年第4期423-428,共6页

行人属性通常指的是行人的一些可被观察到的外部特征,如性别、年龄、服饰、携带品等。作为行人外部的软生物特征,行人属性对于行人检测和再识别是非常重要的,并且在智能视频监控场景和基于视频的商业智能应用中显示出巨大的潜力。在目... 行人属性通常指的是行人的一些可被观察到的外部特征,如性别、年龄、服饰、携带品等。作为行人外部的软生物特征,行人属性对于行人检测和再识别是非常重要的,并且在智能视频监控场景和基于视频的商业智能应用中显示出巨大的潜力。在目前的行人属性多标签分类识别中,主要有基于手工设计特征的方法和基于深度学习的方法。然而,手工设计特征的方法难以应对复杂的真实视频监控场景,在实际应用中取得的效果并不是很理想。采用深度卷积网络模型,包含3个卷积层和2个全连接层,使用Sigmoid交叉熵损失函数,训练平台为Caffe深度学习框架,通过在包含19 000张行人图片的PETA数据集上对10种行人属性进行训练和测试,得到85.2%的平均识别精度。加入正样本比例指数因子改进损失函数后,平均识别精度达到89.2%,使网络性能有明显的提高。 展开更多

关键词 深度学习 行人属性 多标签识别

在线阅读 下载PDF 职称材料

结合时序注意力机制的多特征融合行人序列图像属性识别方法 被引量：1

5

作者 黄晨 裴继红 赵阳 《信号处理》 CSCD 北大核心 2022年第1期64-73,共10页

目前绝大多数的行人属性识别任务都是基于单张图像的,单张图像所含信息有限,而图像序列中包含丰富的有用信息和时序特征,利用序列信息是提高行人属性识别性能的一个重要途径。本文提出了结合时序注意力机制的多特征融合行人序列图像属... 目前绝大多数的行人属性识别任务都是基于单张图像的,单张图像所含信息有限,而图像序列中包含丰富的有用信息和时序特征,利用序列信息是提高行人属性识别性能的一个重要途径。本文提出了结合时序注意力机制的多特征融合行人序列图像属性识别网络,该网络除了使用常见的空-时二次平均池化特征聚合和空-时平均最大池化特征聚合提取序列的特征外,还设计了空-时3D卷积注意力因子加权特征聚合分支进一步提取序列的特征。通过融合上述3个分支输出的序列的特征,使网络获得更加丰富的信息。此外在网络训练中本文在使用带权值的交叉熵损失基础上,添加了用于约束FP和FN数量的tversky损失作为网络的整体损失函数,使网络在训练过程中对查准率与查全率有更好的权衡。实验结果表明,结合时序注意力机制的多特征融合行人序列图像属性识别网络在各项评价指标中优于基于单张静止图像的方法,以及其他常见的几种特征聚合与时序建模方式。 展开更多

关键词 行人属性识别 时序注意力机制 特征融合 时序建模

在线阅读 下载PDF 职称材料

监控场景中的行人属性识别研究综述 被引量：3

6

作者 贾健 陈晓棠 黄凯奇 《计算机学报》 EI CAS CSCD 北大核心 2022年第8期1765-1793,共29页

监控场景中的行人属性识别任务旨在为监控场景中视频摄像头捕捉的行人图片预测其属性类别,由于监控场景环境的复杂以及行人属性的细粒度标签,监控场景中的行人属性识别任务极具挑战,受到业界和学界的广泛关注.文中对监控场景中的行人属... 监控场景中的行人属性识别任务旨在为监控场景中视频摄像头捕捉的行人图片预测其属性类别,由于监控场景环境的复杂以及行人属性的细粒度标签,监控场景中的行人属性识别任务极具挑战,受到业界和学界的广泛关注.文中对监控场景中的行人属性识别研究进展进行梳理,首先给出了其概念范畴与任务定义,并与其他相似的属性识别任务进行对比.其次,文中对目前主流的行人属性识别数据库进行了简单介绍,并从图片和标注两个角度分析了不同数据库之间的异同.再次,文中对深度学习时代以来所提出的各种行人属性识别方法进行了归纳和总结,综述了目前行人属性识别领域的研究现状.最后,文中对监控场景中的行人属性识别存在的问题进行了思考和讨论,并对未来的发展趋势进行了展望. 展开更多

关键词 计算机视觉 深度学习 行人属性识别 多标签分类 场景理解

在线阅读 下载PDF 职称材料

基于领域自适应的多源多标签行人属性识别 被引量：1

7

作者 程南江 余贞侠 +1 位作者 陈琳 乔贺辙 《计算机应用》 CSCD 北大核心 2022年第8期2401-2406,共6页

当前行人属性识别(PAR)公开数据集中属性标注繁杂且采集场景多样,各数据集中行人属性差异较大,进而导致公开数据库已有的标记信息数据难以直接应用到PAR实际问题中。针对上述问题,提出一种基于领域自适应的多源多标签PAR方法。首先通过... 当前行人属性识别(PAR)公开数据集中属性标注繁杂且采集场景多样,各数据集中行人属性差异较大,进而导致公开数据库已有的标记信息数据难以直接应用到PAR实际问题中。针对上述问题,提出一种基于领域自适应的多源多标签PAR方法。首先通过领域自适应方法对样本进行特征对齐完成多个数据集之间的统一风格转换;接着提出多属性one-hot编码加权算法,将多数据集中共有属性的标签对齐;最后结合多标签半监督损失函数,进行跨数据集联合训练以提高属性识别准确率。通过所提出的特征对齐和标签对齐算法,可有效解决PAR多数据集中属性异构性问题。将三个行人属性数据集PETA、RAPv1和RAPv2分别与PA-100K数据集对齐后的实验结果表明,所提出的方法对比StrongBaseline在平均准确率上分别提升了1.22、1.62和1.53个百分点,说明该方法在跨数据集PAR中具有一定的优势。 展开更多

关键词 行人属性识别 多标签学习 领域自适应 深度学习 卷积神经网络

在线阅读 下载PDF 职称材料

基于CNN-ATT-ConvLSTM的行人属性识别 被引量：2

8

作者 李洋 许华虎 卞敏捷 《计算机应用与软件》 北大核心 2021年第4期152-158,共7页

针对现有行人属性识别方法忽视行人属性的互相关性和空间信息导致识别性能较低的问题,将任务视为时空序列多标签图像分类问题,提出基于卷积神经网络(CNN)和卷积长短期记忆网络(ConvLSTM)并融合通道注意力机制的模型。用CNN和通道注意力... 针对现有行人属性识别方法忽视行人属性的互相关性和空间信息导致识别性能较低的问题,将任务视为时空序列多标签图像分类问题,提出基于卷积神经网络(CNN)和卷积长短期记忆网络(ConvLSTM)并融合通道注意力机制的模型。用CNN和通道注意力提取行人属性的显著性和相关性视觉特征;用ConvLSTM进一步提取视觉特征的空间信息和属性相关性;以优化序列对行人属性进行预测。在两个常用行人属性数据集PETA和RAP上进行大量实验,取得了最佳性能,证明了该方法的优越性和有效性。 展开更多

关键词 行人属性识别 卷积神经网络 卷积长短期记忆网络 注意力机制 多标签分类

在线阅读 下载PDF 职称材料

监控场景下基于轻量级卷积神经网络的行人属性识别 被引量：1

9

作者 黄仝宇 胡斌杰 《电子测量技术》 2020年第14期118-122,共5页

针对面向行人属性识别的传统卷积神经网络模型占用系统资源较多、运行效率较低等问题,通过采用若干个倒置残差模块来构建轻量级卷积神经网络MB-ResNet-Lite的主干网络,使用深度可分离卷积代替标准卷积,以减少模型的计算量;并通过倒置残... 针对面向行人属性识别的传统卷积神经网络模型占用系统资源较多、运行效率较低等问题,通过采用若干个倒置残差模块来构建轻量级卷积神经网络MB-ResNet-Lite的主干网络,使用深度可分离卷积代替标准卷积,以减少模型的计算量;并通过倒置残差模块对特征的维度先扩增后缩减,实现更好地提取特征。为了解决多种行人属性识别的效率问题,所提方法是在共享主干网络之后,采用若干个分支网络进行各自特征的提取,以完成多种行人属性的分类与识别。最后,该算法在自建数据集、单核RK3399平台上进行比对实验。实验结果表明,所提算法MB-ResNet-Lite模型的大小为0.82 M,分别为ResNet-18和MobileNet的1.8%和6.3%,明显减小了模型的存储空间;在运行速度上,所提算法模型处理单张图片耗时为25 ms,分别为ResNet-18和MobileNet的18.4%和64.1%,较好地节省了图像处理时间;在内存使用方面,所提算法模型占用内存为21.56 MB,分别为ResNet-18和MobileNet的6.6%和60.0%,有效节省了系统的内存资源。在算法准确率方面,所提算法模型的平均准确率为89.24%,相比MobileNet提高了1.52%,相比ResNet-18略微下降0.86%。结果表明,所提方法有效地保证行人特征识别的精确度,减少模型的参数量和计算量,确保在低成本硬件平台的运行效率。 展开更多

关键词 深度学习 轻量级卷积神经网络 深度可分离卷积 倒置残差 行人属性识别

在线阅读 下载PDF 职称材料

基于注意力机制与空间金字塔池化的行人属性识别 被引量：6

10

作者 段迅达 韩晓红 《济南大学学报（自然科学版）》 CAS 北大核心 2020年第4期342-349,共8页

针对目前的行人属性识别方法存在鲁棒性差、特征表达能力不足和行人的细粒度特征识别精度不高的缺点,提出一种基于注意力机制与空间金字塔池化的行人属性识别方法,通过注意力机制强化不同维度的特征,提升行人整体特征表达;通过空间金字... 针对目前的行人属性识别方法存在鲁棒性差、特征表达能力不足和行人的细粒度特征识别精度不高的缺点,提出一种基于注意力机制与空间金字塔池化的行人属性识别方法,通过注意力机制强化不同维度的特征,提升行人整体特征表达;通过空间金字塔池化操作,实现任意大小图像的输入,更好地保留图像的特征信息。结果表明,与现有的其他方法相比,所提出的行人属性识别方法可以精确地识别行人多种属性,具有较高的行人细粒度特征识别精度。 展开更多

关键词 模式识别 行人属性识别 注意力机制 空间金字塔池化

在线阅读 下载PDF 职称材料

监控场景下基于机器注意的多任务行人属性识别 被引量：2

11

作者 陈双叶 徐凯 胡鑫 《北京工业大学学报》 CAS CSCD 北大核心 2021年第5期472-479,共8页

行人属性作为一种高级语义特征,对照明、姿势改变等具有鲁棒性,已经被广泛用于行人重识别和视频分析中.为了提高监控场景下行人属性识别(pedestrian attribute recognition,PAR)的准确性,结合最新的人工智能(artificial intelligence,AI... 行人属性作为一种高级语义特征,对照明、姿势改变等具有鲁棒性,已经被广泛用于行人重识别和视频分析中.为了提高监控场景下行人属性识别(pedestrian attribute recognition,PAR)的准确性,结合最新的人工智能(artificial intelligence,AI)解释性研究,从机器注意的角度出发,综合考虑属性间的互斥性以及依赖性,提出一种限制神经网络注意的多任务行人属性识别方法.首先,根据神经网络对各属性的不同关注区域将行人属性识别划分为多个子任务;然后,通过端到端网络模型和辅助分类损失函数的设计,控制各子任务之间的信息共享,鼓励子任务内部属性相互竞争,不同子任务之间的属性相互促进;最后,融合各子任务的信息进行行人属性的预测.经过实验,该方法在2个监控场景中的公开数据集上取得了最佳的精度,证明了该方法的有效性. 展开更多

关键词 行人属性识别(par) 机器注意 多任务 人工智能(AI) 计算机视觉 卷积神经网络

在线阅读 下载PDF 职称材料

基于多任务压缩激发网络的行人属性识别 被引量：5

12

作者 刘弋锋 李勐 +3 位作者 邱迪 王文杉 许忠雄 宋超 《科学技术与工程》 北大核心 2019年第24期237-241,共5页

自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,提出基于多任务压缩激发(squeeze-and-excitation,SE)网络的行人属性识别... 自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,提出基于多任务压缩激发(squeeze-and-excitation,SE)网络的行人属性识别方法,通过多任务卷积神经网络、联合压缩激发模块与残差模块、焦点损失函数三方面改进,研究了自然场景下行人属性识别效果提升的不同方式。结果表明,研究结果相比基线模型在Market-1501数据集和DukeMTMC-reID数据集上的准确率和效率均有提升,研究结果具有普遍有效性。 展开更多

关键词 行人属性识别 多任务 卷积神经网络 压缩激发模块 焦点损失

在线阅读 下载PDF 职称材料

基于双域自注意力机制的行人属性识别 被引量：1

13

作者 吴锐 刘宇 冯凯 《计算机应用》 CSCD 北大核心 2021年第2期372-378,共7页

针对行人属性识别任务中不同属性对特征粒度和特征依赖性的需求不同的问题,提出了一种基于由空间自注意力机制和通道自注意力机制组成的双域自注意力机制的行人属性识别模型。首先,使用ResNet50作为骨干网络,提取出具有一定语义信息的特... 针对行人属性识别任务中不同属性对特征粒度和特征依赖性的需求不同的问题,提出了一种基于由空间自注意力机制和通道自注意力机制组成的双域自注意力机制的行人属性识别模型。首先,使用ResNet50作为骨干网络,提取出具有一定语义信息的特征;然后将得到的特征分别输入到双分支网络中,提取具有空间依赖性与语义相关性的自注意力特征以及整体性信息的全局特征;最后,融合双分支的特征,并利用批归一化(BN)和加权损失的策略降低行人属性样本不平衡的影响。在两个行人属性数据集PETA和RAP上的实验结果表明,所提出的模型比基准模型的平均准确率指标分别提高了3.91个百分点和4.05个百分点,在已提出的行人属性识别模型中具有较强的竞争力。基于双域自注意力机制的行人属性识别方法可在监控场景下对行人进行结构化描述,提高行人分析和检索等任务的准确度和效率。 展开更多

关键词 行人属性识别 空间自注意力 通道自注意力 特征依赖 语义相关

在线阅读 下载PDF 职称材料

基于注意力机制修正网络的行人属性识别 被引量：1

14

作者 李辰征 陈实 +1 位作者 卞春江 陈红珍 《计算机工程与设计》 北大核心 2020年第5期1404-1410,共7页

针对现有行人属性识别方法模型复杂,识别性能较低的问题,提出一种端到端的行人属性识别方法。构建注意力机制修正网络,在主干网络的不同卷积层后添加注意力分支,以提取注意力特征关注属性相关空域;提出一种注意力机制辅助训练方法,将注... 针对现有行人属性识别方法模型复杂,识别性能较低的问题,提出一种端到端的行人属性识别方法。构建注意力机制修正网络,在主干网络的不同卷积层后添加注意力分支,以提取注意力特征关注属性相关空域;提出一种注意力机制辅助训练方法,将注意力分支与主网络在预测级进行损失融合,通过梯度反向传播修正主网络权重,实现主网络的有效训练;在预测阶段,利用权重修正后的主网络实现属性识别。在RAP数据集上的实验结果表明,提出方法在没有额外辅助信息、不增加主网络体积和计算量的情况下,提升了行人属性识别性能。 展开更多

关键词 行人属性识别 卷积神经网络 注意力机制 权重修正 多尺度分支

在线阅读 下载PDF 职称材料

基于任务感知机制的行人属性识别

15

作者 储智强 李旻先 《计算机应用研究》 CSCD 北大核心 2022年第3期879-883,共5页

为了提高基于深度学习的行人属性识别的能力,提出了一种基于任务感知机制的行人属性识别网络模型。考虑到不同行人属性之间存在较强的语义相关性,提出了任务感知机制,充分挖掘不同任务中属性和属性之间的关联性;针对行人属性样本的不平... 为了提高基于深度学习的行人属性识别的能力,提出了一种基于任务感知机制的行人属性识别网络模型。考虑到不同行人属性之间存在较强的语义相关性,提出了任务感知机制,充分挖掘不同任务中属性和属性之间的关联性;针对行人属性样本的不平衡性,利用加权损失策略降低不平衡性带来的影响;在现有的三个行人属性数据集PETA、PA100k和RAP上的实验结果表明,提出的方法具有较强的竞争力。 展开更多

关键词 行人属性识别 空间注意力 注意力机制 语义相关

在线阅读 下载PDF 职称材料