论文部分内容阅读
行人再识别(Re-ID)是网络匹配行人图像任务。它与属性识别在学习行人描述上有共同目标,而区别是粒度。通过基于属性标签和ID标签的互补性,多数Re-ID方法仅考虑行人身份标签,而包含详细本地描述的属性有利于Re-ID模型学习更多判别式特征表示。因此提出属性的人识别(APR)网络。APR网络是通过学习Re-ID嵌入并同时预测行人属性的多任务网络。在实验中考虑属性间的依赖性和相关性后对属性预测加权,则APR检索过程快了10倍,在Market-1501上准确度下降了2.92%。