典型文献
行人属性识别:基于元学习的概率集成方法
文献摘要：
行人属性识别(pedestrian attribute recognition,PAR)的目的是从输入图像中挖掘行人的属性信息.近年来,卷积神经网络(convolution neural network,CNN)的兴起在行人属性识别中获得了广泛的应用.现有的方法多采用属性不可知的视觉注意或启发式的身体部位定位机制来增强局部特征表达,而忽略了多模型集成所能够带来的提升,因此该领域内鲜少有集成算法的提出.为了进一步提高行人属性识别的性能,该文从CNN模型的预测概率角度入手,基于元学习提出了一种行人属性识别的概率集成算法(probabilistic ensemble learning method,PEM).在行人属性识别数据集RAP上的实验结果表明,该算法随着模型有效数的增加表现出递增的平均准确度(mean accuracy)和F1值(F1-score),且评测结果均优于多个典型的行人属性识别算法.
文献关键词：
卷积神经网络;行人属性识别;元学习;概率集成;行人检索
中图分类号：
作者姓名：
王文龙;张磊;张誉馨;吴晓富;张索非
作者机构：
南京邮电大学 通信与信息工程学院,江苏 南京 210003;南京邮电大学 物联网学院,江苏 南京 210003
文献出处：
引用格式：
[1]王文龙;张磊;张誉馨;吴晓富;张索非-.行人属性识别:基于元学习的概率集成方法)[J].计算机技术与发展,2022(03):71-75,83
A类：
概率集成
B类：
行人属性识别,元学习,集成方法,pedestrian,attribute,recognition,PAR,人的属性,属性信息,convolution,neural,network,视觉注意,启发式,身体部位,定位机制,局部特征,特征表达,多模型集成,所能,鲜少,集成算法,高行,probabilistic,ensemble,learning,method,PEM,别数,RAP,mean,accuracy,score,评测,识别算法,行人检索
AB值：
0.33374
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
