论文部分内容阅读
随着深度学习的研究,卷积神经网络在行人属性识别中展现出了显著的优势。虽然增加网络的深度可以进一步提高属性识别的性能,但是更深的网络会导致模型的复杂性更高以及更长的训练时间和更高的计算成本。注意力机制的引入是提高行人属性分析准确度的另一种方法。因此,提出了一种基于注意力模型的行人属性识别方法。该方法是以Inception-v3网络作为基础网络进行基础信息的特征提取,同时采用注意力模块进行通道和空间的注意力信息提取,在保证网络效率的同时,也简化了网络模型,进一步提高了行人属性分析的有效性。为了验证所提出