典型文献
结合时序注意力机制的多特征融合行人序列图像属性识别方法
文献摘要：
目前绝大多数的行人属性识别任务都是基于单张图像的,单张图像所含信息有限,而图像序列中包含丰富的有用信息和时序特征,利用序列信息是提高行人属性识别性能的一个重要途径.本文提出了结合时序注意力机制的多特征融合行人序列图像属性识别网络,该网络除了使用常见的空-时二次平均池化特征聚合和空-时平均最大池化特征聚合提取序列的特征外,还设计了空-时3D卷积注意力因子加权特征聚合分支进一步提取序列的特征.通过融合上述3个分支输出的序列的特征,使网络获得更加丰富的信息.此外在网络训练中本文在使用带权值的交叉熵损失基础上,添加了用于约束FP和FN数量的tversky损失作为网络的整体损失函数,使网络在训练过程中对查准率与查全率有更好的权衡.实验结果表明,结合时序注意力机制的多特征融合行人序列图像属性识别网络在各项评价指标中优于基于单张静止图像的方法,以及其他常见的几种特征聚合与时序建模方式.
文献关键词：
行人属性识别;时序注意力机制;特征融合;时序建模
中图分类号：
作者姓名：
黄晨;裴继红;赵阳
作者机构：
深圳大学电子与信息工程学院,广东深圳518060
文献出处：
引用格式：
[1]黄晨;裴继红;赵阳-.结合时序注意力机制的多特征融合行人序列图像属性识别方法)[J].信号处理,2022(01):64-73
A类：
tversky
B类：
时序注意力机制,多特征融合,序列图像,行人属性识别,单张,所含,图像序列,时序特征,序列信息,高行,识别性,识别网络,平均池化,特征聚合,最大池化,提取序列,卷积注意力,网络训练,权值,交叉熵损失,FP,FN,损失函数,训练过程,查准率,查全率,静止图像,时序建模,建模方式
AB值：
0.281414
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。
