تحسين التعرف على خصائص المشاة باستخدام التحديد المحدد للخصائص متعدد المقاييس بإشراف ضعيف

التعرف على صفات المشاة أصبح موضوع بحث ناشئ في مجال مراقبة الفيديو. لتنبؤ وجود صفة معينة، يتعين تحديد المناطق المرتبطة بهذه الصفة. ومع ذلك، في هذه المهمة، لا تكون شروحات المناطق متاحة. كيفية استخراج هذه المناطق ذات الصلة بالصفات ما زالت تمثل تحديًا. طُبقت الأساليب الحالية انتباهًا بصريًا غير محدد للصفات أو آليات توطين أجزاء الجسم الاسترشادية لتعزيز تمثيلات الخصائص المحلية، بينما أغفلت استخدام الصفات لتعريف مناطق الخصائص المحلية. نقترح وحدة توطين مرنة للصفات (ALM) لاكتشاف المناطق الأكثر تمييزًا بشكل تكيفي وتعلم خصائص المناطق لكل صفة على مستويات متعددة. بالإضافة إلى ذلك، تم تقديم هندسة الهرم المميز أيضًا لتعزيز التوطين الخاص بالصفات على المستويات الدنيا باستخدام إرشاد الدلالات العالية. الإطار المقترح لا يتطلب شروحات مناطق إضافية ويمكن تدريبه بشكل كامل ومتكامل مع رقابة عميقة متعددة المستويات. أظهرت التجارب الواسعة أن الطريقة المقترحة حققت نتائج رائدة على ثلاثة مجموعات بيانات لصفات المشاة، بما في ذلك PETA و RAP و PA-100K.