IJCAIJun, 2019

基于增量式少样本学习的行人属性识别

PDF
TL;DR本文提出了一种基于元学习的方法，以解决行人属性识别中存在的增量 few-shot 学习情形，实验表明该方法在 PETA 和 RAP 基准数据集上取得了具有竞争力的性能和低资源需求。
pedestrian attribute recognitionvideo surveillancefew-shot learningmeta learningbenchmark dataset
发现论文，激发创造
  • 行人属性识别的反思：在零样本行人身份设置下的可靠评估

    该论文对行人属性识别的现状进行了回顾和思考，并提出了两个根据零样本设置构建的数据集 PETA extsubscript {$ZS$} 和 RAP extsubscript {$ZS$}，介绍了多个用于未来评估的真实准则，还重新实现了现有的最新方法，并引入了一个强大的基准方法，以在现有数据集和两个提议的数据集上进行实验，以测量行人属性识别的进展。

    Jul, 2021

  • 行人属性识别：一份调查

    介绍了现有的人行属性识别方法，包括传统方法和基于深度学习网络的方法，同时分析了多种学习算法和网络架构，总结出可行的研究方向，并给出实验结果的性能评估。

    Jan, 2019

  • 弱监督学习中层特征在行人属性识别和定位中的应用

    本文提出了一种基于 GoogLeNet 网络的弱监督属性定位框架来解决行人属性识别问题，其中使用最大池化的弱监督目标检测技术来训练属性特征图，并通过检测响应大小的回归来预测属性标签，通过对检测层激活图的融合加权聚类，可以推断出行人属性的位置和大致形状。实验证明该方法在行人属性识别和定位方面取得了有竞争力的表现。

    Nov, 2016

  • 学习识别行人属性

    本文介绍了一种利用周围的行人图像 context，比传统的基于 SVM 方法更好地推断行人属性的方法，并通过我们新发布的行人属性数据集进行实验评估背景和前景特征对属性识别的相关性。

    Jan, 2015

  • 利用弱监督的多尺度属性特定定位改善行人属性识别

    提出适用于行人属性识别的属性定位模块 (ALM)，以自适应方式发现最具有区分性的区域并学习每个属性的区域特征，并引入特征金字塔架构以实现低水平的属性特定局部化。

    Oct, 2019

  • 端到端模型中的深度视角感知行人属性推断

    本文介绍了一个基于端到端学习框架的人行属性推断方法，将其作为多标签图像分类任务，以此来处理属性之间的语义关系并在三个挑战性数据集上得到了显著提升。

    Jul, 2017

  • 基于本地化引导的行人属性识别学习

    提出了一种基于定位的引导网络，该网络为每个属性自动学习本地特征，并通过与全局特征的互动强调它们，在两个行人属性基准测试中取得了最新的最佳成绩。

    Aug, 2018

  • 基于时间注意力机制的视频行人属性识别方法

    本研究提出了一种基于视频的多任务模型与时间注意策略相结合的新网络结构，解决行人属性识别方面的挑战。同时，本文还公开发布了两个新的大规模视频数据集，用于展示该方法的有效性。

    Jan, 2019

  • 行人属性识别的再思考：具有高效方法的现实数据集

    提出两个现实数据集 PETA 和 RAPv2，通过解决行人属性识别中固有属性不平衡问题，提出高效方法进一步提高性能，实验证明该方法优越性并取得最先进的性能。

    May, 2020

  • 以标签平衡的多标签学习为基础的行人属性识别

    本研究提出了一种新颖的框架来处理现实中行人属性数据集中的标签不平衡和语义不平衡问题，并引入贝叶斯特征增强方法来增加属性的语义多样性和降低特征噪声，从而在不牺牲计算资源的情况下取得了最佳准确率。

    May, 2024