行人属性“Weakly-supervised Learning of Mid-level Features for Pedestrian Attribute Recognition and Loca”

不同于多标签学习，这篇论文建立了一个弱监督属性定位框架。基于GoogleNet，设计新的检测层提取mid-level属性特征。不需要bbox属性标记，使用基于最大池化的弱监督目标检测技术训练mid-level层。然后，回归这些检测响应梯度，预测属性标签。最后，对检测层的融合激活图聚类，得到属性的位置和形状。融合的权值由属性及其对应的mid-level特征相关程度估计。在PETA和RAP数据集上实验

>>阅读原文<<