典型文献
基于ResNet50和通道注意力机制的行人多属性协同识别方法
文献摘要：
针对目前行人多属性识别算法识别精度不高的问题,利用行人属性之间的内在关联关系,基于"特征提取+回归"的思想,提出了一种基于深度卷积神经网络的行人多属性协同识别方法.该方法首先对多个行人属性标签进行组合编码,得到一个标签组合向量;然后采用基于通道注意力机制的Res-Net50作为主干网络提取行人图像的深度特征;最后,设计了一个包含3个全连接层的神经网络结构来建立标签组合向量与行人深度特征之间的映射模型,在一个统一的网络框架下就可以同时对行人的多种属性进行准确识别.在行人属性公共数据集PETA和RAP上的实验结果表明,采用提出的识别方法在公共数据集PETA上获得的识别准确率为84.08％,而在公共数据集RAP上可以获得高达88.12％的识别准确率.
文献关键词：
深度学习;ResNet50;通道注意力机制;多属性识别
中图分类号：
作者姓名：
卓力;袁帅;李嘉锋
作者机构：
北京工业大学信息学部,北京 100124;北京工业大学计算智能与智能系统北京市重点实验室,北京 100124
文献出处：
引用格式：
[1]卓力;袁帅;李嘉锋-.基于ResNet50和通道注意力机制的行人多属性协同识别方法)[J].测控技术,2022(08):1-8,15
A类：
B类：
ResNet50,通道注意力机制,多属性识别,识别算法,算法识别,识别精度,行人属性,内在关联,关联关系,深度卷积神经网络,属性标签,合编,标签组,主干网络,深度特征,一个包,全连接层,神经网络结构,映射模型,网络框架,种属,准确识别,公共数据,PETA,RAP,识别准确率
AB值：
0.311328
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。
