[发明专利]一种基于实例分割的行人属性识别方法

权利要求书

1.一种基于实例分割的行人属性识别方法，其特征在于，包括下列步骤：

步骤1：输入图片经过实例分割网络提取出不同尺度的特征图像以及行人掩码；

步骤2：对行人掩码进行下采样操作放缩到和特征图相同的大小；

步骤3：将放缩后的行人掩码与对应特征图进行逐元素相乘，通过预测的行人掩码来抑制背景干扰；

步骤4：采用注意力模块来突出更值得关注的通道特征，并进行全局平均池化操作对特征图进行压缩；

步骤5：对不同尺度特征图计算得到的压缩特征进行拼接；

步骤6：使用多任务分类网络对不同的属性进行分类。

2.根据权利要求1所述的基于实例分割的人体属性识别算法，其特征在于，所述步骤1中使用残差结构解决了当网络的深度达到一定程度时而产生的梯度消失问题，并且其结构简单紧凑易于实现。

3.根据权利要求1所述的基于实例分割的人体属性识别算法，其特征在于，所述步骤2中在实例分割模块后将不同尺度的特征拼接起来用于后面的处理。

4.根据权利要求1所述的基于实例分割的人体属性识别算法，其特征在于，所述步骤3中使用掩码抑制背景的方法来解决行人属性识别过程中复杂环境的影响。

5.根据权利要求1所述的基于实例分割的人体属性识别算法，其特征在于，所述步骤4中采用注意力机制在一定程度上关注对应属性区域，从而提高分类任务的准确度。

6.根据权利要求1所述的基于实例分割的人体属性识别算法，其特征在于，所述步骤5中采用硬参数共享的多任务学习机制来预测不同的属性。

7.根据权利要求1所述的基于实例分割的人体属性识别算法，其特征在于，所述步骤6中的损失值函数采用了自适应、其值随着训练的深度可进行调整的权重。