【摘 要】
：
为了提高行人属性识别的准确率,提出了一种基于多尺度注意力网络的行人属性识别算法。为了提高算法的特征表达能力和属性判别能力,首先,在残差网络ResNet50的基础上,增加了自顶向下的特征金字塔和注意力模块,自顶向下的特征金字塔由自底向上提取的视觉特征构建;然后,融合特征金字塔中不同尺度的特征,为每层特征的通道注意力赋予不同的权重。最后,改进了模型损失函数以减弱数据不平衡对属性识别率的影响。在RAP和
【机 构】
：
西安邮电大学通信与信息工程学院,陕西西安710121;电子信息现场勘验应用技术公安部重点实验室,陕西西安710121;电子信息现场勘验应用技术公安部重点实验室,陕西西安710121;西安邮电大学通信与
论文部分内容阅读
为了提高行人属性识别的准确率,提出了一种基于多尺度注意力网络的行人属性识别算法。为了提高算法的特征表达能力和属性判别能力,首先,在残差网络ResNet50的基础上,增加了自顶向下的特征金字塔和注意力模块,自顶向下的特征金字塔由自底向上提取的视觉特征构建;然后,融合特征金字塔中不同尺度的特征,为每层特征的通道注意力赋予不同的权重。最后,改进了模型损失函数以减弱数据不平衡对属性识别率的影响。在RAP和PA-100K数据集上的实验结果表明,与现有算法相比,本算法对行人属性识别的平均精度、准确度、F1性能更好。
其他文献
以双反射镜系统为基础,在其前后均增加一组折射光学元件来校正和平衡系统像差,设计了一款仅由2片反射镜和4片透镜组成的大相对孔径、长焦距且总长较短的折反射式望远物镜.该
采用数字图像相关(DIC)法对物体表面形变进行测量,并通过散斑场的形变对被测物的真实变化进行研究。对散斑质量评价方法进行研究,以求在测量前即可判定所采用的散斑对测量精度的影响。根据DIC法对散斑图像的具体要求,提出基于灰度共生矩阵(GLCM)的散斑质量评价方法。对实际散斑图像进行亚像素刚体平移仿真模拟,采用GLCM中的能量、熵、对比度和相关性指标与DIC法的测量结果进行对比分析,并与平均灰度二阶导
为了缓解传统拜耳型去马赛算法中常出现的拉链和伪影等问题,提出一个新颖的基于深度学习的去马赛克算法。所提算法首先对马赛克图像中的红色、绿色及蓝色通道中的像素进行分解、剔除及组合等操作得到两幅彩色图像,然后将这两幅彩色图像输入到设计的卷积神经网络中,以重建出完整的彩色图像,该网络能充分地利用卷积层所生成的特征信息。实验结果表明,所提算法重建出的完整彩色图像的质量相对较高,并且在一定程度上缓解了拉链和伪
烟雾图像检测是及早发现火灾的一种重要手段。针对传统LBP(Local Binary Patterns)特征与Gabor特征的融合算法存在鲁棒性和检测率低的问题,提出一种TDFF(Triple Multi Feature Local Binary Patterns and Derivative Gabor Feature Fusion)的烟雾检测算法。采用 T-MFLBP(Triple Multi
提出一种基于Fourier变换对称性和随机多分辨率奇异值分解(R-MRSVD)的彩色图像加密算法。首先计算归一化明文图像的平均值作为logistic-exponent-sine映射的初值,并生成随机矩阵和位置索引;然后对每个颜色通道分别进行二维离散Fourier变换,根据共轭对称性仅保留一半的频谱系数,并提取实部分量和虚部分量构建实数矩阵;最后对实数矩阵进行R-MRSVD和Josephus置乱操作
提出一种红外与微光图像融合新算法,即在Tetrolet变换下基于柯西模糊函数的融合算法,用于改善融合图像对比度低、细节信息缺失、融合效果较差等问题。首先,源图像通过Tetrolet变换,分解出两组高低频系数;然后,针对低频系数,提出区域能量-柯西模糊函数规则,针对高频系数,采用区域拉普拉斯能量和进行处理;最后,利用Tetrolet逆变换将得到的新高低频系数转换为最终的融合结果。实验结果表明,本文方
针对生产现场中工件精确测量和寻位问题,基于计算机数字控制机床(CNC)平台和线激光搭建了一套在机测量系统,并对工件一面两孔特征的快速寻位方法进行研究.利用球面的各向同性
开展研学旅行服务是文旅融合背景下公共图书馆拓展服务领域、推广全民阅读的创新路径.本文以鞍山市图书馆创建研学基地为例,系统分析了文旅融合背景下公共图书馆开展研学服务
由于分布式全息孔径成像系统的相干性及振幅扩散函数(ASF)的旁瓣效应,成像分辨率的分析非常困难。将瑞利判据两点间分辨率模型推广为多点间分辨率模型,并根据多点ASF在不同相位分布下的叠加曲线判断观测点与其最邻近点的分辨性能。采用遗传算法将观测点与其最邻近点的谷峰比作为目标函数,通过优化多点间相位分布求得某角间距下的最大谷峰比,当最大谷峰比不大于0.81时,则可以分辨该观测点能与最邻近点。求得任意相位
针对医学图像分割中网络深度过深和上下文信息欠缺导致的分割精度降低等问题,提出了一种基于改进U-Net的磁共振成像(MRI)脑肿瘤图像分割算法。该算法通过嵌套残差模块和密集跳跃连接组成一种深度监督网络模型。为了减小编码路径和解码路径特征图之间的语义差距,将U-Net中的跳跃连接改为多类型的密集跳跃连接;为了解决网络过深导致的退化问题,加入残差模块,以防止网络梯度消失。实验结果表明,本算法分割肿瘤整体