江苏大学学报(自然科学版)

作者：王进,黄超,王科,范磊,陈乔松

单位：重庆邮电大学 计算智能重庆市重点实验室, 重庆 400065

关键词：卷积神经网络, 行人属性分类, 属性敏感, 属性不均衡, 误差反向传播

基金：<p>国家自然科学基金资助项目（61203308，61309014，61403054）； 重庆市基础与前沿研究计划项目（cstc2014jcyjA40001）； 重庆教委科学技术研究项目（KJ1400436）</p>

&nbsp;针对行人属性分类受行人属性不均衡影响的问题,提出了一种基于属性敏感卷积神经网络的行人属性分类方法.首先调整现有的卷积神经网络结构,通过融合正反通道激活模块的使用,使模型能够感知更加详细的行人属性;其次引入属性不均衡损失函数,根据属性的不均衡比例自适应更新网络权重,利用误差的反向传播对少类属性增加其权值,提升模型对少类属性的敏感;最后在PETA数据集上,对54个属性进行了分类试验.结果表明:相比MLCNN等方法,新方法在36分类任务上取得了提升;在平均准确度、平均召回率和平均AUC上,分别提升2.13％,2.38％和1.19％.

来源：2019年第4期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2019年第4期