보행자 속성 인식 개선을 위한 약간의 지도를 받은 다중 스케일 속성별 위치 추정 방법 활용

보행자 속성 인식은 비디오 감시 분야에서 최근 주목받는 연구 주제입니다. 특정 속성이 존재함을 예측하기 위해서는 해당 속성과 관련된 영역을 정확히 위치 지정해야 합니다. 그러나 이 작업에서는 영역 주석이 제공되지 않습니다. 이러한 속성 관련 영역을 어떻게 추출할지 여전히 어려움이 따르고 있습니다. 기존 방법들은 속성을 고려하지 않은 시각적 주의나 휴리스틱한 신체 부위 위치 지정 메커니즘을 사용하여 로컬 특징 표현을 강화하였지만, 속성을 이용하여 로컬 특징 영역을 정의하는 것을 간과하였습니다. 우리는 유연한 속성 위치 지정 모듈(Attribute Localization Module, ALM)을 제안하여 각 속성에 대해 여러 수준에서 가장 구별되는 영역을 적응적으로 발견하고, 해당 지역의 특징을 학습합니다. 또한, 고수준의 의미론적 안내를 통해 저수준에서의 속성 특异性 위치 지정을 강화하기 위해 피라미드 구조를 도입하였습니다. 제안된 프레임워크는 추가적인 영역 주석이 필요하지 않으며, 다중 수준의 딥 서포비전으로 엔드투엔드로 학습될 수 있습니다. 광범위한 실험 결과, 제안된 방법이 PETA, RAP, PA-100K 등 세 가지 보행자 속성 데이터셋에서 최신 기술(SOTA) 성능을 달성함을 확인하였습니다.注：在“속성 特异性”这部分，特异性（specificity）并不是一个常见的韩语词汇，因此保留了中文形式。但为了更符合韩语表达习惯，建议使用“속성 특징”或“속성별”。如果需要进一步的专业术语确认，请告知。