行人属性预测中被多篇论文引用的论文。内容相对简单，两个网络结构，DeepSAR对每个属性独立预测，DeepMAR多属性联合预测。
目前属性预测关注的两个场景：自然场景和监控场景。自然场景图像质量一般比较高，而监控场景图像一般比较模糊、分辨率低、光线变化比较大。属性间一般是相互关联的，如头发的长度可以帮助性别的识别。
网络结构：
属性通常不具有同一分布，为解决样本不均问题，提出改进的损失函数：
其中
实验结果
相关文章：
相似解决方案
热门标签
行人属性预测中被多篇论文引用的论文。内容相对简单，两个网络结构，DeepSAR对每个属性独立预测，DeepMAR多属性联合预测。
目前属性预测关注的两个场景：自然场景和监控场景。自然场景图像质量一般比较高，而监控场景图像一般比较模糊、分辨率低、光线变化比较大。属性间一般是相互关联的，如头发的长度可以帮助性别的识别。
网络结构：
属性通常不具有同一分布，为解决样本不均问题，提出改进的损失函数：
其中
实验结果
相关文章：