基于行人属性分级识别的行人再识别

图共 5个表共 5个

图 1 网络整体结构

Figure 1.
图 2 注意力模型网络结构

Figure 2.
图 3 分级网络中每一级的识别结果

Figure 3.
图 4 数据集部分属性间相关性及其共现概率

Figure 4.
图 5 网络参数及改进效果对比

Figure 5.

属性类(G)	属性	数量(k)
Gender	male, female	2
Age	child, teenager, adult, old	4
Hair length	long, short	2
Length of lower-body clothing	long, short	2
Type of lower-body clothing	pants, dress	2
Wearing hat	yes, no	2
Carrying bag	yes, no	2
Carrying backpack	yes, no	2
Carrying handbag	yes, no	2
Color of upper-body clothing	black, white, red, purple,yellow, gray, blue, green	8
Color of lower-body clothing	black, white, pink, purple,yellow, gray, blue, green, brown	9

表 1 Market1501数据集中的属性类别

行人属性	gender	age	hair	L.slv	L.low	S.cloth	B.pack	H.bag	bag	hat	C.up	C.low	mean
基础网络	82.18	85.32	80.12	92.48	71.58	85.67	79.57	81.54	79.66	70.56	91.23	87.81	82.31
本文算法	90.27	88.15	91.54	93.55	87.25	90.48	89.77	87.65	84.67	87.39	92.44	93.48	89.72

表 2 Market1501数据集各属性识别准确率(%)

行人属性	gender	hat	boots	L.up	B.pack	H.bag	bag	C.shoes	C.up	C.low	mean
基础网络	82.47	75.48	76.14	73.58	71.58	69.42	78.31	68.54	62.17	51.24	70.89
本文算法	83.59	87.24	84.56	76.33	77.11	75.32	83.78	72.19	74.88	62.18	77.72

表 3 DukeMTMC数据集各属性识别准确率(%)

方法	Rank-1	mAP
XQDA^[11]	43.8	22.2
SCS^[12]	51.9	26.3
DNS^[13]	61.0	35.6
G-SCNN^[14]	65.8	39.5
MSCAN^[15]	80.3	57.5
PDC^[16]	84.1	63.4
JLML^[17]	85.1	65.5
HA-CNN^[8]	91.2	75.7
基础网络	82.4	61.2
基础网络-R1	85.7	66.7
基础网络-R2	88.4	70.3
基础网络-C1	86.9	68.5
本文算法	93.1	76.2

表 4 Market1501数据集行人再识别结果(%)

方法	Rank-1	mAP
BoW+KISSME^[18]	25.1	12.2
LOMO+XQDA^[11]	30.8	17.0
ResNet50^[19]	65.2	45.0
ResNet50+LSRO^[20]	67.7	47.1
JLML^[17]	73.3	56.4
HA-CNN^[8]	80.5	63.8
基础网络	73.6	55.7
基础网络-R1	75.3	57.4
基础网络-R2	77.8	60.8
基础网络-C1	78.3	61.2
本文算法	81.7	65.9

表 5 DukeMTMC数据集行人再识别结果(%)