计算机应用

作者：程南江, 余贞侠, 陈琳, 乔贺辙

单位：1.成都信息工程大学 计算机学院，成都 610225；2.中国科学院重庆绿色智能技术研究院，重庆 400714

关键词：行人属性识别,多标签学习,领域自适应,深度学习,卷积神经网络

基金：国家重点研发计划项目(2020YFC0833406)

当前行人属性识别（PAR）公开数据集中属性标注繁杂且采集场景多样，各数据集中行人属性差异较大，进而导致公开数据库已有的标记信息数据难以直接应用到PAR实际问题中。针对上述问题，提出一种基于领域自适应的多源多标签PAR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one-hot编码加权算法，将多数据集中共有属性的标签对齐；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准确率。通过所提出的特征对齐和标签对齐算法，可有效解决PAR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StrongBaseline在平均准确率上分别提升了1.22、1.62和1.53个百分点，说明该方法在跨数据集PAR中具有一定的优势。

来源：2022年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第8期