[发明专利]一种基于注意力机制与多任务学习的人体属性识别方法

权利要求书

1.一种基于注意力机制与多任务学习的人体属性识别方法，其特征在于，所述基于注意力机制与多任务学习的人体属性识别方法，包括：

获取行人图像，采用行人检测算法对行人图像进行处理，得到人体框；

构建共享卷积网络，对所述人体框进行共享特征提取；

针对人体各属性构建独立的分支卷积网络，以所述共享特征作为各分支卷积网络的输入，得到各分支卷积网络的输出作为对应属性的个性特征；

将得到的各属性的个性特征分别输入至各属性分支对应的注意力机制网络，生成各属性的注意力图，将注意力图叠加至对应的个性特征上，得到定位有对应属性的所属区域的特征图；

将定位有对应属性的所属区域的特征图分别输入至各属性分支对应的全连接层，输出人体各属性的预测识别结果。

2.如权利要求1所述的基于注意力机制与多任务学习的人体属性识别方法，其特征在于，所述共享卷积网络为BN_inception网络。

3.如权利要求1所述的基于注意力机制与多任务学习的人体属性识别方法，其特征在于，所述人体属性包括是否有背包、背包颜色、上衣类型、下衣类型和鞋子颜色。

4.如权利要求3所述的基于注意力机制与多任务学习的人体属性识别方法，其特征在于，所述针对人体各属性构建独立的分支卷积网络，包括：

所述上衣类型和下衣类型具有粗粒度，均采用三层卷积网络；

所述是否有背包和背包颜色具有中粒度，均采用特征金字塔网络；

所述鞋子颜色具有细粒度，采用加入了Bottom-up path augmentation结构的PANet网络。

5.如权利要求1所述的基于注意力机制与多任务学习的人体属性识别方法，其特征在于，所述注意力机制网络从输入侧至输出侧包括依次连接的global average pooling层、1x1的conv层、激活函数ReLU、1x1的conv层、Sigmoid层和Mul层。