Dec, 2023

SSPNet：基于尺度和空间先验的可推广和可解释的行人属性识别

PDF
TL;DR通过提出一种新的尺度和空间先验引导网络（SSPNet），利用自适应特征尺度选择（AFSS）和先验位置提取（PLE）模块，该方法实现了行人属性识别模型的精确定位和提高了解释性、泛化能力和性能。此外，通过改进的 Grad-CAM 结合基于 IoU 的弱监督行人属性定位指标，在各种评估中证明了该方法的有效性，并在属性定位的 IoU 方面在 PCS 数据集上取得了优越的性能。
pedestrian attribute recognitiongrad-camscale and spatial priors guided networkadaptive feature scale selectionweakly-supervised pedestrian attribute localization
发现论文，激发创造
  • 基于 Transformer 的行人属性识别多任务网络 PARFormer

    本研究提出了一种纯 transformer 的多任务行人属性识别网络，名为 PARFormer，其中包含 4 个模块：特征提取模块、特征处理模块、视点感知模块和属性识别模块，实现了竞争性的性能表现，并强调全局视角的重要性。

    Apr, 2023

  • 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

  • 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

  • 行人属性识别的空间和语义一致性规则化

    本文提出了一个基于空间和语义一致性框架的人行属性识别模型，通过空间统一和语义特征提取实现了属性的跨图片一致性。实验表明，该方法在 PA100K、RAP 和 PETA 等基准测试中表现出色，同时不增加参数。

    Sep, 2021

  • 基于时空侧调整预训练基础模型的视频行人属性识别

    利用视频帧进行行人属性识别，通过精调预训练的多模态基础模型充分利用时间信息，采用视觉 - 语言融合策略和时空调参策略实现参数高效优化，通过多模态交互学习实现行人属性预测。

    Apr, 2024

  • 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

  • 行人属性识别的轻量级属性定位模型

    该论文提出了使用张量分解（比如 CPD-EPC 算法）对行人属性识别模型（ALM）进行高效的层次压缩，在资源受限的嵌入式设备上实现高效的轻量级行人属性定位模型（LWALM）的目标。

    Jun, 2023

  • 基于 CLIP 的提示视觉语言融合的行人属性识别

    将行人属性识别问题（PAR）构建为视觉语言融合问题，充分利用行人图像与属性标签之间的关系，在特征嵌入方面采用预训练的视觉 - 语言模型 CLIP 作为骨干网络，并通过对比学习目标和 Transformer 层来捕捉像素之间的远程关系，最后采用多模态 Transformer 有效地融合双重特征并使用前馈网络来预测属性。该算法在 PAR 领域中取得了最新的最优结果。

    Dec, 2023

  • SequencePAR: 通过序列生成范例理解行人属性

    基于 CLIP 模型的预训练特征提取和序列生成模式，提出一种新的行人属性识别方法 SequencePAR，利用生成模型更好地建模人体属性之间的依赖和复杂性，有效通过多个数据集实验证明了该方法的有效性。

    Dec, 2023

  • 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