基于属性敏感卷积神经网络的行人属性分类

TP391; 针对行人属性分类受行人属性不均衡影响的问题,提出了一种基于属性敏感卷积神经网络的行人属性分类方法.首先调整现有的卷积神经网络结构,通过融合正反通道激活模块的使用,使模型能够感知更加详细的行人属性;其次引入属性不均衡损失函数,根据属性的不均衡比例自适应更新网络权重,利用误差的反向传播对少类属性增加其权值,提升模型对少类属性的敏感;最后在PETA数据集上,对54个属性进行了分类试验.结果表明:相比MLCNN等方法,新方法在36分类任务上取得了提升;在平均准确度、平均召回率和平均AUC上,分别提升2.13％,2.38％和1.19％....

Full description

Saved in:
Bibliographic Details
Published in江苏大学学报（自然科学版） Vol. 40; no. 4; pp. 431 - 438
Main Authors 王进, 黄超, 王科, 范磊, 陈乔松
Format Journal Article
LanguageChinese
Published 重庆邮电大学计算智能重庆市重点实验室,重庆,400065 01.07.2019
Subjects
属性不均衡
卷积神经网络
属性敏感
误差反向传播
行人属性分类
Online AccessGet full text
ISSN1671-7775
DOI10.3969/j.issn.1671-7775.2019.04.010

Cover

More Information
Summary:TP391; 针对行人属性分类受行人属性不均衡影响的问题,提出了一种基于属性敏感卷积神经网络的行人属性分类方法.首先调整现有的卷积神经网络结构,通过融合正反通道激活模块的使用,使模型能够感知更加详细的行人属性;其次引入属性不均衡损失函数,根据属性的不均衡比例自适应更新网络权重,利用误差的反向传播对少类属性增加其权值,提升模型对少类属性的敏感;最后在PETA数据集上,对54个属性进行了分类试验.结果表明:相比MLCNN等方法,新方法在36分类任务上取得了提升;在平均准确度、平均召回率和平均AUC上,分别提升2.13％,2.38％和1.19％.
ISSN:1671-7775
DOI:10.3969/j.issn.1671-7775.2019.04.010