今天要介紹是行人屬性識別(Pedestrian Attribute Recognition)
Multi-attribute Learning for Pedestrian Attribute Recognition in Surveillance Scenarios

這篇算是第一個將深度學習結合PAR的論文，算是蠻簡單的，
本文提出兩種模型：DeepSAR和DeepMAR

Single Attribute Recognition

DeepSAR中，每個屬性被當做一個二元問題，訓練多個子網絡來識別每個屬性。
CNN網路是共享的，輸入是一個圖片和它的一個屬性，輸出是圖片有該屬性的機率。
使用多個分類softmax loss組成最終loss。

Multi-attribute Recognition

DeepMAR中，把PAR當做了多標籤分類問題。
因為屬性間可能是有相關的，例如(長裙,長髮,女性)
輸入是圖片和它的屬性向量，loss函數使用sigmoid cross entropy loss同時計算所有屬性。

此外，為了解決屬性類別資料不平衡的問題，對loss做進一步改進：

w是每個屬性的權重，和屬性在train data的數量成反比，占比越多的屬性w權重越小。

Experiments

使用PETA dataset進行訓練，包含19000張行人圖片，有61個二元屬性和4個多類屬性。

平均accuary可以達到80以上，由於考慮了屬性間關係，DeepMAR比DeepSAR更高。

此外，由於有處理資料不平衡的問題，可以看到在資料少量的屬性上也有不錯的表現。