基于双域自注意力机制的行人属性识别

摘要：

针对行人属性识别任务中不同属性对特征粒度和特征依赖性的需求不同的问题,提出了一种基于由空间自注意力机制和通道自注意力机制组成的双域自注意力机制的行人属性识别模型.首先,使用ResNet50作为骨干网络,提取出具有一定语义信息的特征;然后将得到的特征分别输入到双分支网络中,提取具有空间依赖性与语义相关性的自注意力特征以及整体性信息的全局特征;最后,融合双分支的特征,并利用批归一化(BN)和加权损失的策略降低行人属性样本不平衡的影响.在两个行人属性数据集PETA和RAP上的实验结果表明,所提出的模型比基准模型的平均准确率指标分别提高了3.91个百分点和4.05个百分点,在已提出的行人属性识别模型中具有较强的竞争力.基于双域自注意力机制的行人属性识别方法可在监控场景下对行人进行结构化描述,提高行人分析和检索等任务的准确度和效率.

关键词：行人属性识别、空间自注意力、通道自注意力、特征依赖、语义相关

所属期刊栏目：41

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划项目2017YFBI400704

在线出版日期：2021-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：372-378