科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着视频监控系统在公共场所的广泛应用，人物属性识别需求越来越多。同时，大量的监控视频数据对算法准确性、推理性能和可扩展的多属性识别要求越来越高。针对以上问题，本文对人物属性识别推理加速算法进行了研究，采用了多任务学习的方法，将人物属性识别任务共享Swin Transformer主干网络连接多个MLP任务头的方式进行多任务学习和多任务推理，并在多任务学习中无缝增加扩展任务。与单任务学习的对比实验结果表明，本算法基于多任务学习的人物属性识别比单任务学习的推理速度提升了2.9倍以上，在推理显存占用上降低了21.9%，人物属性识别任务配置也更加灵活。
-
单位深圳市星火电子工程公司
