行人屬性「Weakly-supervised Learning of Mid-level Features for Pedestrian Attribute Recognition and Loca」

不同於多標籤學習，這篇論文建立了一個弱監督屬性定位框架。基於GoogleNet，設計新的檢測層提取mid-level屬性特徵。不需要bbox屬性標記，使用基於最大池化的弱監督目標檢測技術訓練mid-level層。然後，迴歸這些檢測響應梯度，預測屬性標籤。最後，對檢測層的融合激活圖聚類，得到屬性的位置和形狀。融合的權值由屬性及其對應的mid-level特徵相關程度估計。在PETA和RAP數據集上實驗

>>阅读原文<<