基于多尺度注意力网络的行人属性识别算法

作     者：李娜 武阳阳 刘颖 邢琎 Li Na;Wu Yangyang;Liu Ying;Xing Jin

作者机构：西安邮电大学通信与信息工程学院陕西西安710121 电子信息现场勘验应用技术公安部重点实验室陕西西安710121 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2021年第58卷第4期

页      面：282-288页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(41874173) 陕西省科技厅双导师制项目(2019JM-604) 西安邮电大学研究生创新基金(CXJJLY2019083) 

主　　题：图像处理 行人属性识别 深度学习 特征金字塔 多尺度注意力 

摘      要：为了提高行人属性识别的准确率,提出了一种基于多尺度注意力网络的行人属性识别算法。为了提高算法的特征表达能力和属性判别能力,首先,在残差网络ResNet50的基础上,增加了自顶向下的特征金字塔和注意力模块,自顶向下的特征金字塔由自底向上提取的视觉特征构建;然后,融合特征金字塔中不同尺度的特征,为每层特征的通道注意力赋予不同的权重。最后,改进了模型损失函数以减弱数据不平衡对属性识别率的影响。在RAP和PA-100K数据集上的实验结果表明,与现有算法相比,本算法对行人属性识别的平均精度、准确度、F1性能更好。