PANDA：用于深度属性建模的姿态对齐网络

我们提出了一种在视角、姿态、外观、关节动作和遮挡存在较大变化的情况下，从人物图像中推断人类属性（如性别、发型、服装风格、表情和动作）的方法。卷积神经网络（CNN）已被证明在大规模物体识别问题上表现出色。然而，在属性分类的背景下，信号往往较为微妙，可能仅覆盖图像的一小部分，而图像则主要受到姿态和视角的影响。为了抵消姿态变化的影响，需要在非常大的标注数据集上进行训练，但目前这些数据集尚不可用。基于部件的模型，如Poselets和DPM已被证明在这种问题上表现良好，但它们受限于浅层低级特征。我们提出了一种新的方法，通过训练姿态归一化的CNN将基于部件的模型与深度学习相结合。实验结果表明，在无约束环境下的具有挑战性的属性分类任务中，我们的方法相比现有最佳方法有显著改进。实验还证实了我们的方法在这类问题上优于最佳的基于部件的方法以及在整个人体边界框上训练的传统CNN。