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

动机: 为了在两个单独的任务网络之间共享特征表示,传统的方法,如Cross-Stitch和Sluice网络学习特征或特征子空间的线性组合。然而,线性组合排除了通道之间复杂的相互依赖关系。此外,空间信息交换的考虑较少。 贡献: 提出了一种新的共注意共享(co - Sharing, CAS)模块,该模块提取识别通道和空间区域,从而在行人属性识别中实现两个任务网络之间更有效的特征共享。它包括三个分支:协
相关文章
相关标签/搜索