典型文献
基于多尺度残差注意网络的轻量级行人属性识别算法
文献摘要：
近年来,随着深度学习的蓬勃发展,行人属性识别得到了广泛的研究.但是,由于属性复杂且多样化、图像质量差、视角遮挡等困扰,难以捕获图像中的细粒度属性特征,具有很大的挑战性.对此,基于深度学习,提出多尺度残差注意网络(MRAN)用于行人属性识别,以Resnet 50为主体架构,使用轻量级的金字塔卷积提供不同内核大小的并行卷积以完成多尺度信息的提取,嵌入注意力模块以关注属性存在的关键区域并挖掘属性内部联系;其次,使用特征金字塔融合策略,更充分地提取和融合多尺度特征.网络结合了多尺度学习、注意力机制和残差学习的思想,使网络提取出更丰富、更细腻的特征.最后,在PETA和PA100K两个数据集上进行实验研究,结果表明,所提出方法优于现有的研究方法.通过消融研究验证整个网络体系结构的3个组成部分的有效性和先进性,且所提出网络具有高准确性和低复杂度的双向优化.
文献关键词：
行人属性识别;多尺度;金字塔卷积;注意力机制;特征金字塔;轻量级
中图分类号：
作者姓名：
张再腾;张荣芬;刘宇红
作者机构：
贵州大学大数据与信息工程学院,贵阳550025
文献出处：
引用格式：
[1]张再腾;张荣芬;刘宇红-.基于多尺度残差注意网络的轻量级行人属性识别算法)[J].控制与决策,2022(10):2487-2496
A类：
MRAN,PA100K
B类：
多尺度残差,注意网络,轻量级,行人属性识别,识别算法,图像质量,遮挡,细粒度,属性特征,Resnet,金字塔卷积,行卷,多尺度信息,注意力模块,关键区域,内部联系,使用特征,特征金字塔融合,融合策略,多尺度特征,多尺度学习,注意力机制,残差学习,细腻,PETA,网络体系结构,低复杂度
AB值：
0.290655
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。
