跨域行人属性识别:评估标准,一个新的基线和基于远程传感器的应用程序
Chao Zhu1, Liu Yang1,2, Zihang Han1
1School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing 100083, China.
Sensors (Basel, Switzerland)
|February 27, 2026
概括
这项研究引入了跨领域的行人属性识别 (CD-PAR),以解决在一个数据集上训练的模型在另一个数据集上使用时的性能下降,特别是用于遥感. 一种新的方法,LDCD-PAR,使用本地域区分器来获得更好的域不变特征.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 步行者属性识别 (PAR) 对于人重新识别等任务至关重要.
- 数据集之间的域差异导致主流 PAR 方法的显著性能下降.
- 这一问题在遥感PAR中得到了放大,在此,在固定摄像头数据上训练的模型与基于无人机的数据进行斗争.
研究的目的:
- 正式引入跨领域行人属性识别 (CD-PAR) 的任务.
- 为新的CD-PAR任务建立评估标准.
- 为CD-PAR提出一个有效的基线方法.
主要方法:
- 引入了跨领域行人属性识别 (CD-PAR) 的新任务.
- 开发了一种新的基线方法,即基于局域区分器的跨域行人属性识别 (LDCD-PAR).
- 使用局域区分器的对抗训练来实现细粒度的域不变特征.
主要成果:
- 通过广泛的跨领域实验证明了CD-PAR任务的价值.
- 验证了拟议的LDCD-PAR方法对基于远程传感器的PAR的有效性.
- 在跨领域的性能方面表现出显著的改进.
结论:
- 拟议的CD-PAR任务对于在各种现实场景中推进PAR至关重要.
- LDCD-PAR有效地解决了行人属性识别领域转移的挑战.
- 这些发现为更强大,更适应性强的PAR系统铺平了道路,特别是在遥感应用中.
