基於注意力機制的深度網路HydraPlus-Net

每天一分鐘，帶你讀遍機器人頂級會議文章

標題：HydraPlus-Net:Attentive Deep Features for Pedestrian Analysis

作者：Xihui Liu, Haiyu Zhao,Jing Shao等

來源：International Conference on Computer Vision (ICCV 2017)

播音員：阿晨

編譯：陳世浪 周平(37)

歡迎個人轉發朋友圈；其他機構或自媒體如需轉載，後台留言申請授權

摘要

行人分析在智能視頻監控中扮演著重要角色，是以安全為中心的計算機視覺系統的關鍵組成部分。儘管卷積神經網路在識別圖像的鑒別特徵方面非常出色，但對行人進行細粒度任務的綜合特徵的學習仍然是亟待解決的問題。

在本研究中，作者提出了一種新的基於注意力的深度神經網路，它被命名為HydraPlus-Net (HPnet)，這種網路將不同層級的注意力映射到不同的特徵層。作者提出的HP-net中得到的細心的深層特徵帶來了獨特的優勢；(1)該模型能夠從低層次到語義層次捕獲多個關注；(2)探索了關注特性的多尺度選擇性，豐富了行人圖像的最終特徵表示。

作者證明了HP-net有效性和普遍性，在行人屬性識別和人重新鑒定兩項任務中進行了行人分析。同時提供了強大的實驗結果來證明HP-net在各種數據集上的性能優於現有的方法。

圖1 網路結構示意圖

圖2 行人不同位置顯示的語義圖

圖3 行人不同的特徵的語義識別率對比圖

圖4 行人屬性實驗結果

圖5 高層特徵與底層特徵提取信息的區別

Abstract

Pedestrian analysis plays a vital role in intelligent video surveillance and is a key component for security-centric computer vision systems. Despite that the convolutional neural networks are remarkable in learning discriminative features from images, the learning of comprehensive features of pedestrians for fine-grained tasks remains an open problem. In this study, we propose a new attentionbased deep neural network, named as HydraPlus-Net (HPnet), that multi-directionally feeds the multi-level attention maps to different feature layers. The attentive deep features learned from the proposed HP-net bring unique advantages: (1) the model is capable of capturing multiple attentions from low-level to semantic-level, and (2) it explores the multi-scale selectiveness of attentive features to enrich the final feature representations for a pedestrian image. We demonstrate the effectiveness and generality of the proposed HP-net for pedestrian analysis on two tasks, i.e. pedestrian attribute recognition and person reidentification. Intensive experimental results have been provided to prove that the HP-net outperforms the state-of-the-art methods on various datasets.

如果你對本文感興趣，想要下載完整文章進行閱讀，可以關注【泡泡機器人SLAM】公眾號（paopaorobot_slam）。

歡迎來到泡泡論壇，這裡有大牛為你解答關於SLAM的任何疑惑。

有想問的問題，或者想刷帖回答問題，泡泡論壇歡迎你！

泡泡論壇：http://paopaorobot.org/forums/

泡泡機器人SLAM的原創內容均由泡泡機器人的成員花費大量心血製作而成，希望大家珍惜我們的勞動成果，轉載請務必註明出自【泡泡機器人SLAM】微信公眾號，否則侵權必究！同時，我們也歡迎各位轉載到自己的朋友圈，讓更多的人能進入到SLAM這個領域中，讓我們共同為推進中國的SLAM事業而努力！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！