基于ResNet50和通道注意力机制的行人多属性协同识别方法

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Res-Net50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

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：北京市自然科学基金;北京市教育委员会科技计划一般项目

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1-8,15