科研之友
微信
新浪微博
Facebook
分享链接
摘要
当前行人属性识别公开数据集中属性标注繁杂，采集场景多样，导致各数据集中行人属性差异较大，公开数据库已有的标记信息数据不易直接运用到实际问题中。针对上述问题，提出了一种基于领域自适应的多源多标签行人属性识别方法。首先通过领域自适应方法对样本进行特征对齐，完成多个数据集之间的统一风格转换；接着提出多属性一位有效（one-hot）编码加权算法，将多数据集中共有属性的标签进行对齐；最后结合多标签半监督损失函数，进行跨数据集联合训练以提高属性识别精度。通过提出的特征对齐和标签对齐算法，可有效解决行人属性识别多数据集中属性异构性问题。将三个行人属性数据集PETA、RAPv1和RAPv2分别与PA-100K数据集对齐后的实验结果表明，所提出的方法对比基准模型在平均准确率指标分别提升了1.22个百分点、1.62个百分点和1.53个百分点，证明其在跨数据集行人属性识别中具有一定的优势。
- 单位
