基于动态多任务平衡方法的行人属性识别深度学习网络

作     者：孙志勇 叶俊勇 汪同庆 雷莉 连捷 李阳 Sun Zhiyong;Ye Junyong;Wang Tongqing;Lei Li;Lian Jie;Li Yang

作者机构：重庆大学光电技术教育部重点实验室重庆400044 长江师范学院电子信息工程学院重庆408100 北京的卢深视科技有限公司北京100083 南京派光智慧感知信息技术有限公司南京210019 

基　　金：中央高校基本科研业务费专项资金资助(2018CDXYGD0017) 重庆市基础研究与前沿探索专项(cstc2018jcyj AX0633) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2019年第31卷第12期

页      码：2144-2151页

摘      要：深度学习网络是计算机视觉和人工智能系统的研究热点之一,行人属性识别提供了结构化的行人特征,为安防计算机视觉识别中行人检索提供了重要的信息.基于深度学习网络,提出了一种端到端的多属性识别方法,在R*CNN的基础上设计了一个端到端的行人属性识别网络,使用候选区域提取网络代替Selective Search提取第二重要的区域,建立属性识别与辅助区域提取一体化的网络,提升局部及细节属性识别的准确率;其次,为增加辅助区域的作用,将人体感兴趣区域按比例划分为整体、头、肩膀到腰及腰到脚4个部分,每个部分对应了不同属性,在任务分支层分出4个分支,使用主要区域预测对应属性的同时,分别从RPN中学习到对应的第二重要区域辅助预测;最后,提出了基于损失梯度的损失权值自动更新方法,即权重与损失的梯度逆相关,防止某个任务训练的过快或过慢.通过在行人属性数据库进行实验,整体提升了属性预测的准确率,大大缩短了识别时间.

主 题 词：深度学习 属性识别 动态多任务 损失函数 

学科分类：08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/SP.J.1089.2019.17654

馆 藏 号：203858094...