10.13682/j.issn.2095-6533.2021.02.010
基于深度学习的行人属性识别综述
行人属性识别是计算机视觉领域中的研究热点,在人工智能、安防监控等方面有着极其广泛的应用.传统的行人属性识别方法主要基于底层特征提取,如局部描述符、颜色直方图和人体关键点检测等,但难以解决图像分辨率低和行人被遮挡等原因造成的识别率低下的问题.近年来,随着深度学习在行人属性识别算法中的应用,基于常规网络、部件识别、注意力机制和序列检测等深度学习算法相继被提出,其识别率较传统算法得到了明显的提高.通过综述基于深度学习的行人属性识别的各类算法,分析对比其优缺点,并介绍常用的数据集和评价指标,展望行人属性识别的未来发展趋势.
深度学习、卷积神经网络、行人属性识别、注意力机制
26
TP391(计算技术、计算机技术)
陕西省科技厅双导师制项目;西安邮电大学研究生创新基金
2021-06-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
62-69