May, 2020

行人属性识别的再思考：具有高效方法的现实数据集

PDF
TL;DR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。
pedestrian attribute recognitionrealistic datasetszero-shot settingattribute imbalanceperformance improvement
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

  • 行人属性识别的丰富注释数据集

    本文介绍了如何解决行人属性识别领域中数据集基础的问题，构建了一个有丰富注释的 RICHLY ANNOTATED PEDASTRIAN (RAP) 数据集，对数据集进行了实验分析，证明了环境和语境因素对于行人属性识别的重要性。

    Mar, 2016

  • 基于增量式少样本学习的行人属性识别

    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。

    Jun, 2019

  • 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

  • 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

  • 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

  • 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

  • 基于数据驱动但注重隐私保护的完整身体人物综合征解除行人数据的身份

    介绍了一个名为 PDI 的任务，以评估指定去身份识别方法的去身份化程度和下游任务训练绩效，提出了基于生成对抗网络的全身去身份化方法，展示了该方法对乘客识别、探测和跟踪模型的应用及其可行性

    Jun, 2023

  • 野外行人再识别

    介绍了一个用于人行检测和人物识别的新数据集 PRW 及其评估，利用 6 个同步摄像头采集的视频，包含 932 个身份和 11,816 帧，使用了各种检测器和识别器的绩效分析，提出了两种改进措施，并评估了这些措施对于人物重新识别的效果。

    Apr, 2016

  • 从多模态信息指导中学习可转移的行人表示

    本文提出了一种学习可迁移表示以增强各种行人分析任务的新框架 VAL-PAT，并介绍了三个学习目标：自监督对比学习、图像文本对比学习和多属性分类。该框架在无标签人员图像的预训练下实现了良好的性能，并扩展到各种行人分析任务。

    Apr, 2023