論文の概要: Pedestrian Attribute Recognition: A Survey

• arxiv url: http://arxiv.org/abs/1901.07474v2
• Date: Sat, 26 Aug 2023 05:06:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-30 02:30:10.899071
• Title: Pedestrian Attribute Recognition: A Survey
• Title（参考訳）: 歩行者属性認識に関する調査
• Authors: Xiao Wang, Shaofei Zheng, Rui Yang, Aihua Zheng, Zhe Chen, Jin Tang, and Bin Luo
• Abstract要約: 歩行者属性認識(PAR)の背景について紹介する。 一般的なデータセットや評価基準を含む既存のベンチマークを導入する。 歩行者属性を考慮に入れ、より良い性能を実現するアプリケーションをいくつか紹介する。
• 参考スコア（独自算出の注目度）: 26.939872088531036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recognizing pedestrian attributes is an important task in the computer vision community due to it plays an important role in video surveillance. Many algorithms have been proposed to handle this task. The goal of this paper is to review existing works using traditional methods or based on deep learning networks. Firstly, we introduce the background of pedestrian attribute recognition (PAR, for short), including the fundamental concepts of pedestrian attributes and corresponding challenges. Secondly, we introduce existing benchmarks, including popular datasets and evaluation criteria. Thirdly, we analyze the concept of multi-task learning and multi-label learning and also explain the relations between these two learning algorithms and pedestrian attribute recognition. We also review some popular network architectures which have been widely applied in the deep learning community. Fourthly, we analyze popular solutions for this task, such as attributes group, part-based, etc. Fifthly, we show some applications that take pedestrian attributes into consideration and achieve better performance. Finally, we summarize this paper and give several possible research directions for pedestrian attribute recognition. We continuously update the following GitHub to keep tracking the most cutting-edge related works on pedestrian attribute recognition~\url{https://github.com/wangxiao5791509/Pedestrian-Attribute-Recognition-Paper-List}
• Abstract（参考訳）: 歩行者属性の認識は,映像監視において重要な役割を担うため,コンピュータビジョンコミュニティにおいて重要な課題である。 このタスクを扱うために多くのアルゴリズムが提案されている。 本論文の目的は,従来の手法や深層学習ネットワークに基づく既存の作品をレビューすることである。 まず,歩行者属性認識(PAR,略してPAR)の背景として,歩行者属性の基本概念とそれに対応する課題を紹介する。 第2に,一般的なデータセットや評価基準を含む既存のベンチマークを紹介する。 第3に,マルチタスク学習とマルチラベル学習の概念を分析し,これら2つの学習アルゴリズムと歩行者属性認識の関係を説明する。 また、ディープラーニングコミュニティに広く適用されている人気のあるネットワークアーキテクチャについてもレビューする。 第4に、属性グループやパートベースなど、このタスクの一般的なソリューションを分析します。 第5に,歩行者属性を考慮に入れ,より優れた性能を実現するアプリケーションを示す。 最後に,本論文を要約し,歩行者属性認識のためのいくつかの研究方向を示す。 歩行者属性認識に関する最も最先端の成果を追跡するために、githubを継続的に更新します。

関連論文リスト

• Learning Transferable Pedestrian Representation from Multimodal Information Supervision [174.5150760804929]
  VAL-PATは、移動可能な表現を学習し、様々な歩行者分析タスクをマルチモーダル情報で強化する新しいフレームワークである。 まず、LUPerson-TAデータセットで事前トレーニングを行い、各画像にはテキストと属性アノテーションが含まれている。 次に、学習した表現を、人物のreID、人物属性認識、テキストベースの人物検索など、さまざまな下流タスクに転送する。
  論文  参考訳（メタデータ） (2023-04-12T01:20:58Z)
• POAR: Towards Open Vocabulary Pedestrian Attribute Recognition [39.399286703315745]
  歩行者属性認識(PAR)は、監視システムにおける歩行者の属性を予測することを目的としている。 現実世界のすべての歩行者属性を消耗することは不可能である。 我々は,新しい歩行者用オープンアトリビュート認識フレームワークを開発した。
  論文  参考訳（メタデータ） (2023-03-26T06:59:23Z)
• SynMotor: A Benchmark Suite for Object Attribute Regression and Multi-task Learning [0.0]
  このベンチマークは、2D/3D検出、分類、セグメンテーション、マルチ属性学習などのコンピュータビジョンタスクに使用できる。 モータのほとんどの特性は、バイナリではなく連続的な変数として定量化されているため、我々のベンチマークは、未検討の回帰タスクに適している。
  論文  参考訳（メタデータ） (2023-01-11T18:27:29Z)
• Pedestrian Detection: Domain Generalization, CNNs, Transformers and Beyond [82.37430109152383]
  その結果、現在の歩行者検知器は、クロスデータセット評価において、たとえ小さな領域シフトであっても処理が不十分であることがわかった。 限定的な一般化は、その方法と現在のデータ源の2つの主要な要因に帰着する。 本稿では、一般化を改善する進歩的な微調整戦略を提案する。
  論文  参考訳（メタデータ） (2022-01-10T06:00:26Z)
• Rethinking of Pedestrian Attribute Recognition: A Reliable Evaluation under Zero-Shot Pedestrian Identity Setting [48.347987541336146]
  我々は、歩行者属性認識の状況を分析し、後退する時が来たと論じている。 我々は、歩行者属性認識を他の類似タスクと正式に定義し、区別する。 歩行者属性認識の進捗を測定するために,既存の4つのデータセットと2つの提案データセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2021-07-08T03:12:24Z)
• Multi-Attribute Enhancement Network for Person Search [7.85420914437147]
  人物探索は、人物検出と人物再識別(Re-ID)の問題を共同で解くように設計されている 視覚的な文字属性は、Re-IDで検索されたが、Person Searchで無視されたクエリ人物を取得する上で重要な役割を果たします。 本稿では,属性学習をモデルに導入し,属性機能を検索タスクに活用する。
  論文  参考訳（メタデータ） (2021-02-16T05:43:47Z)
• From Handcrafted to Deep Features for Pedestrian Detection: A Survey [148.35460817092908]
  歩行者検出はコンピュータビジョンにおいて重要であるが難しい問題である。 過去10年間で、手作りの機能と深い機能によって、大幅な改善が見られた。 単スペクトル歩行者検出に加えて,多スペクトル歩行者検出も検討した。
  論文  参考訳（メタデータ） (2020-10-01T14:51:10Z)
• CompGuessWhat?!: A Multi-task Evaluation Framework for Grounded Language Learning [78.3857991931479]
  本稿では,属性を用いたグラウンドド言語学習のための評価フレームワークGROLLAを提案する。 また、学習したニューラル表現の品質を評価するためのフレームワークの例として、新しいデータセットCompGuessWhat!?を提案する。
  論文  参考訳（メタデータ） (2020-06-03T11:21:42Z)
• Generalizable Pedestrian Detection: The Elephant In The Room [82.37430109152383]
  既存の最先端の歩行者検出器は、同じデータセット上でトレーニングやテストを行う際には、非常によく機能するが、データセット間の評価では、十分に一般化されていない。 ウェブをクロールすることで収集される多様で高密度なデータセットは、歩行者検出のための事前学習の効率的な情報源であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T14:14:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。