要約
歩行者属性認識は、ビデオ監視分野における新興研究トピックとなっています。特定の属性の存在を予測するためには、その属性に関連する領域を局所化することが求められます。しかし、このタスクにおいては、領域アノテーションが利用できません。これらの属性関連領域をどのように抽出するかは依然として課題となっています。既存の手法では、属性に依存しない視覚的注意やヒューリスティックな身体部位局所化メカニズムを用いて局所特徴表現を強化していましたが、属性を使用して局所特徴領域を定義することを無視していました。本研究では、柔軟な属性局所化モジュール（Attribute Localization Module: ALM）を提案し、各属性に対して複数レベルで最も識別力のある領域を見つけるとともに、地域特徴を学習します。さらに、高レベルの意味論的なガイダンスによって低レベルでの属性固有の局所化を強化するために、特徴ピラミッドアーキテクチャも導入されています。提案されたフレームワークは追加の領域アノテーションを必要とせず、多段階の深層監督と共にエンドツーエンドで学習することができます。広範な実験により、提案手法がPETA, RAP, およびPA-100Kという3つの歩行者属性データセットで最先端の結果を達成していることが示されました。