行人屬性“Multi-attribute Learning for Pedestrian Attribute Recognition in Surveillance Scenarios”

行人屬性預測中被多篇論文引用的論文。內容相對簡單，兩個網絡結構，DeepSAR對每個屬性獨立預測，DeepMAR多屬性聯合預測。

目前屬性預測關注的兩個場景：自然場景和監控場景。自然場景圖像質量一般比較高，而監控場景圖像一般比較模糊、分辨率低、光線變化比較大。屬性間一般是相互關聯的，如頭髮的長度可以幫助性別的識別。

網絡結構：

屬性通常不具有同一分佈，爲解決樣本不均問題，提出改進的損失函數：

其中wl 是第l個屬性的損失權值，pl 是訓練集中第l個屬性的比例。

實驗結果