基于深度学习的行人属性识别

• 作者: 杨鸿波 陈萍
• 来源期刊: 信息通信
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 行人属性识别
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 技术创新
• 页码范围: 74-76
• 页数: 3页
• 分类号: TP27
• 字数: 2112字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1131.2018.04.033

摘要

针对视频图像中的行人分辨率低、不同场景中存在着光照明暗的变化、视角不同的变化、姿态各异变化以及被物体遮挡等问题,导致行人属性(性别、年龄、穿衣风格等)检测变得困难,提出基于caffe框架的深度卷积神经网络进行行人属性识别.利用行人数据库训练网络模型,所用模型可以输入任意大小的图像而不需进行缩放或裁剪.此网络可以同时完成对行人92个属性的识别,端到端的训练整个卷积神经网络,算法简洁高效,和现有的其他方法进行比较,即使在有限的数据支持下,依然能够取得不错的性能,在行人数据库RAP数据集上获得较高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨鸿波	北京信息科技大学自动化学院	27	82	5.0	7.0
2	陈萍	北京信息科技大学自动化学院	32	126	6.0	10.0