基于多标签神经网络的行人属性识别

• 作者: 刘鸿程 王笑梅 陈桂安
• 来源期刊: 计算技术与自动化
• 关键词: 多标签分类 神经网络 行人属性 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 计算机软件及应用
• 页码范围: 165-168
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202001033

摘要

在多标签行人属性识别的问题中,为了充分利用标签之间的相关性,解决传统方法识别准确率低和效率慢的问题,提出了一个多标签卷积神经网络.该网络在一个统一的网络框架下识别行人多个属性.把行人的多个属性看作是一个序列,然后构建了一个时序分类模型.提出的方法不仅避免了复杂的多输入MLCNN网络,也不需要多次训练单标签分类模型.实验结果表明,本文方法准确率均优于SIFT+SVM和多输入的MLCNN模型,平均准确率达到了90.41％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王笑梅		25	138	6.0	11.0
2	陈桂安		3	1	1.0	1.0
3	刘鸿程		3	1	1.0	1.0