基于ResNet50和通道注意力机制的行人多属性协同识别方法 |
| |
引用本文: | 卓 力,袁 帅,李嘉锋. 基于ResNet50和通道注意力机制的行人多属性协同识别方法[J]. 测控技术, 2022, 41(8): 1-8 |
| |
作者姓名: | 卓 力 袁 帅 李嘉锋 |
| |
作者单位: | 北京工业大学信息学部,北京 100124;北京工业大学计算智能与智能系统北京市重点实验室,北京 100124;北京工业大学信息学部,北京 100124 |
| |
基金项目: | 北京市自然科学基金-丰台轨道交通前沿研究联合基金(L211017);北京市教育委员会科技计划一般项目(KM202110005027) |
| |
摘 要: | 针对目前行人多属性识别算法识别精度不高的问题,利用行人属性之间的内在关联关系,基于“特征提取+回归”的思想,提出了一种基于深度卷积神经网络的行人多属性协同识别方法。该方法首先对多个行人属性标签进行组合编码,得到一个标签组合向量;然后采用基于通道注意力机制的ResNet50作为主干网络提取行人图像的深度特征;最后,设计了一个包含3个全连接层的神经网络结构来建立标签组合向量与行人深度特征之间的映射模型,在一个统一的网络框架下就可以同时对行人的多种属性进行准确识别。在行人属性公共数据集PETA和RAP上的实验结果表明,采用提出的识别方法在公共数据集PETA上获得的识别准确率为84.08%,而在公共数据集RAP上可以获得高达88.12%的识别准确率。
|
关 键 词: | 深度学习 ResNet50 通道注意力机制 多属性识别 |
Pedestrian Multi-Attribute Collaborative Recognition Method Based on ResNet50 and Channel Attention Mechanism |
| |
Abstract: | |
| |
Keywords: | deep convolutional neural network ResNet50 channel attention mechanism pedestrian multi-attribute recognition |
本文献已被 维普 万方数据 等数据库收录! |
| 点击此处可从《测控技术》浏览原始摘要信息 |
|
点击此处可从《测控技术》下载全文 |
|