Multi-Task Learning via Co-Attentive Sharing for Pedestrian Attribute Recognition

動機： 爲了在兩個單獨的任務網絡之間共享特徵表示，傳統的方法，如Cross-Stitch和Sluice網絡學習特徵或特徵子空間的線性組合。然而，線性組合排除了通道之間複雜的相互依賴關係。此外，空間信息交換的考慮較少。 貢獻： 提出了一種新的共注意共享(co - Sharing, CAS)模塊，該模塊提取識別通道和空間區域，從而在行人屬性識別中實現兩個任務網絡之間更有效的特徵共享。它包括三個分支:協

>>阅读原文<<