Attribute-Centric Vision-Language Alignment for Fine-Grained Gait Understanding
School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院）；The Hong Kong University of Science and Technology（香港科技大学）；Zhejiang University（浙江大学）；School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院）；Southern University of Science and Technology（南方科技大学）；Watrix Technology Limited Co. Ltd.（华瑞芯科技有限公司）
针对现有步态属性识别基准注释有限、方法未直接匹配视觉与文本类表示的问题，提出大规模多模态基准RA-GAR和以属性为中心的视觉-语言对齐框架Gait-VL，在RA-GAR上实现最优属性识别性能，且可迁移至下游身份识别任务。
2026-10-14 cs.CV
Recognizing Part Attributes with Insufficient Data
识别物体及其部件的属性对于许多计算机视觉应用是重要的。虽然在应用对象级识别方面已经取得了很大的进展，但由于用于零件属性识别的训练数据通常是稀缺的，特别是对于互联网规模的应用，识别零件的属性仍然不太适用。此外，大多数现有的零件属性识别方法依赖于零件注释，这是更昂贵的获得。为了解决零件属性识别中数据不足的问题，摆脱对零件标注的依赖，提出了一种新的概念共享网络（CSN）来进行零件属性识别。CSN的一个很大的优点是它能够识别具有不足或零训练数据的零件属性（零件位置和外观图案的组合），通过分别从通常将它们混合在单个标签中的训练数据学习零件位置和外观图案。在CUB-200-2011 [51]，CelebA [35]和新提出的人类属性数据集上的大量实验证明了CSN的有效性及其优于其他方法的优势，特别是对于训练样本较少的属性。进一步的实验表明，CSN也可以进行zero-shot零件属性识别。该代码将在https://github.com/Zhaoxiangyun/Concept-Sharing-Network上提供。
2019-08-13 cs.CV
Unsupervised Domain Attention Adaptation Network for Caricature Attribute Recognition
Nanjing University（南京大学）
漫画属性提供了独特的面部特征，以帮助心理学和神经科学的研究。然而，与具有大量注释图像的面部照片属性数据集不同，漫画属性的注释很少。为了方便漫画属性学习的研究，我们提出了一个漫画属性数据集，即WebCariA。此外，为了利用由人脸属性训练的模型，我们提出了一种新的无监督领域自适应框架，用于跨模态（即，照片到漫画）属性识别，具有集成的域间和域内一致性学习方案。具体地，域间一致性学习方案包括图像到图像翻译器，其通过生成中间图像样本来首先填充照片和漫画之间的域间隙，以及标签一致性学习模块，其对齐它们的语义信息。域内一致性学习方案将共同特征一致性学习模块与新颖的属性感知注意力一致性学习模块相结合，以实现更有效的对齐。我们做了广泛的消融研究，以显示所提出的方法的有效性。该方法也优于国家的最先进的方法的利润。所提出的方法的实现可在https://github.com/KeleiHe/DAAN上获得。
2020-07-18 cs.CV
TexTAR : Textual Attribute Recognition in Multi-domain and Multi-lingual Document Images
Centre for Visual Information Technology（视觉信息中心）；International Institute of Information Technology（国际信息科技研究院）
针对多语言噪声环境下的文本属性识别难题，提出多任务上下文感知Transformer模型TexTAR，结合2D RoPE机制与MMTAD数据集，实现了优于现有方法的SOTA性能。
2025-09-16 cs.CV
OvarNet: Towards Open-vocabulary Object Attribute Recognition
Beihang University（北京航空航天大学）；Xiaohongshu Inc（小红书公司）；Shanghai Jiao Tong University（上海交通大学）
在本文中，我们考虑的问题，同时检测对象和推断其视觉属性的图像，即使是那些没有手动注释提供的训练阶段，类似于一个开放的词汇场景。为了实现这一目标，我们做了以下贡献：（i）我们开始与一个天真的两阶段的开放词汇表目标检测和属性分类的方法，称为CLIP-Attr。（ii）我们结合所有可用的数据集并使用联邦策略进行训练以微调CLIP模型，将视觉表示与属性对齐，此外，我们研究了在弱监督学习下利用免费在线图像-字幕对的有效性;（iii）为了追求效率，我们训练具有知识蒸馏的端到端Faster-RCNN类型模型，其利用从文本编码器生成的分类器对语义类别和属性执行类别不可知的对象提议和分类;最后，（iv）我们在VAW，MS-COCO，LSA和OVAD数据集上进行了广泛的实验，并表明语义类别和属性的识别是视觉场景理解的补充，即，联合训练目标检测和属性预测大大优于单独处理这两个任务的现有方法，表现出对新属性和类别的强大泛化能力。
2023-01-23 cs.CV
Towards Zero-shot Sign Language Recognition
Hacettepe University（哈塞特佩大学）；METU（中东技术大学）
本文解决了zero-shot手语识别（ZSSLR）的问题，其目标是利用在可见符号类上学习的模型来识别不可见符号类的实例。在这种情况下，容易获得的文本符号描述和从手语词典中收集的属性被用作知识转移的语义类表示。对于这个新的问题设置，我们引入了三个基准数据集及其附带的文本和属性描述，以详细分析问题。我们提出的方法建立身体和手的区域的时空模型。通过利用描述性的文本和属性嵌入以及这些视觉表示在一个零样本学习框架内，我们表明，基于文本和属性的类定义可以提供有效的知识识别以前看不见的标志类。我们还介绍了技术来分析正确和不正确的zero-shot预测的二进制属性的影响。我们预计，介绍的方法和相应的数据集将提供一个基础，进一步探索零样本学习在手语识别。
2022-01-15 cs.CV
Rethinking of Pedestrian Attribute Recognition: Realistic Datasets with Efficient Method
University of Chinese Academy of Sciences（中国科学院大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；CAS Center for Excellence in Brain Science and Intelligence Technology（中国科学院脑科学与智能技术卓越创新中心）
尽管人们提出了各种方法来进行行人属性识别，但在现有数据集上，一个关键问题往往被忽视，即在训练和测试集中存在大量相同的行人身份，这与实际应用不一致。因此，在训练集和测试集中相同行人身份的图像是非常相似的，导致现有数据集上的最先进的方法的性能被高估。为了解决这个问题，我们提出了两个现实的数据集PETA \textsubscript{$zs$}和RAPv2 \textsubscript{$zs$}以下zero-shot设置行人身份的基础上PETA和RAPv2数据集。此外，与我们的强基线方法相比，我们已经观察到最近的最先进的方法不能对PETA、RAPv2、PETA \textsubscript{$zs$}和RAPv2 \textsubscript{$zs$}进行性能改进。因此，通过解决行人属性识别中固有的属性不平衡问题，提出了一种有效的方法，以进一步提高性能。现有的和建议的数据集上的实验验证了我们的方法的优越性，达到最先进的性能。
2020-05-26 cs.CV
FAR-AMTN: Attention Multi-Task Network for Face Attribute Recognition
School of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院）；School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）
FAR-AMTN通过引入加权共享组特定注意力模块和跨组特征融合机制，提升了人脸属性识别的泛化性能和准确性，同时显著减少了模型参数量。
2026-01-04 cs.CV
Attribute Aware Pooling for Pedestrian Attribute Recognition
Huawei Noah’s Ark Lab（华为诺亚方舟实验室）；University of Sydney（悉尼大学）
本文通过设计一种新的属性感知池化算法，将深度卷积神经网络（CNN）的优势扩展到行人属性识别问题。现有的普通CNN不能直接应用于处理多属性数据，因为较大的标签空间以及属性的纠缠和相关性。我们通过充分利用不同属性之间的相关性来解决这些阻碍CNN多属性分类发展的挑战。采用多分支结构对不同区域的属性进行融合。除了基于每个分支本身的预测之外，每个分支的上下文信息也用于决策。属性感知池的开发，以集成这两种信息。因此，模糊的或与其他属性纠缠在一起的属性可以通过利用上下文信息来准确地识别。基准数据集上的实验表明，所提出的池化方法适当地探索和利用行人属性识别的属性之间的相关性。
2019-07-27 cs.CV cs.LG eess.IV
Evaluating 2D and 3D-Aware Vision Foundation Models for Vehicle Attribute Recognition
Federal University of Paraná（巴拉那联邦大学）；Paraná Military Police（巴拉那宪兵队）；Pontifical Catholic University of Paraná（巴拉那天主教大学）
该研究通过对14种2D与3D感知视觉基础模型的实证基准测试，发现DINOv3等2D自监督模型在车辆属性识别细粒度任务中优于多数3D感知模型，仅Depth Anything v2在车辆类型视角鲁棒性上更优，为混合方法提供了依据。
2026-09-01 cs.CV
Pedestrian Attribute Recognition via Hierarchical Cross-Modality HyperGraph Learning
School of Computer Science and Technology, Anhui University（计算机科学与技术学院，安徽大学）
本文针对行人属性识别中属性知识与上下文信息利用不足的问题，提出构建多模态知识图谱，并引入知识图谱引导的跨模态超图学习框架，在多个PAR基准数据集上验证了其有效性。
2025-09-26 cs.AI cs.CV
RGB-Event based Pedestrian Attribute Recognition: A Benchmark Dataset and An Asymmetric RWKV Fusion Framework
School of Computer Science and Technology, Anhui University（计算机科学与技术学院，安徽大学）；School of Artificial Intelligence, Anhui University（人工智能学院，安徽大学）
本文提出RGB-事件多模态行人属性识别任务，构建含100K配对样本的EventPAR数据集，并设计基于RWKV的非对称融合框架，在多个数据集上取得最先进性能。
2025-08-06 cs.AI cs.CV
Pedestrian Attribute Recognition: A Survey
Anhui University（安徽大学）；Peng Cheng Laboratory（鹏城实验室）；University of Sydney（悉尼大学）
本文是行人属性识别（PAR）领域的综述，梳理了传统与深度学习相关方法，介绍了基准、学习范式、主流方案与应用，并指出未来研究方向，同时维护相关前沿工作的GitHub列表。
2023-08-26 cs.AI cs.CV cs.LG
CAR -- Cityscapes Attributes Recognition A Multi-category Attributes Dataset for Autonomous Vehicles
Pennsylvania State University（宾夕法尼亚州立大学）；Scale AI
自动驾驶汽车是交通的未来。随着这一领域目前的进步，世界越来越接近安全道路，几乎零事故概率和消除人为错误。然而，仍然有大量的研究和开发需要达到鲁棒性的水平。一个重要的方面是充分理解一个场景，包括所有细节。因为场景中对象的某些特征（属性）（例如驾驶员的行为）对于正确的决策是必不可少的。然而，目前的算法遭受低质量的数据集，这样丰富的属性。因此，本文提出了一种新的属性识别数据集--城市景观属性识别（CAR）。新的数据集扩展了著名的数据集Cityscapes，在每个图像中添加了一个额外但重要的对象属性注释层。目前，我们已经注释了超过32 k个不同类别的实例（车辆，行人等）。该数据集具有结构化和定制的分类法，其中每个类别都有自己的一组可能属性。量身定制的分类法侧重于对开发更好的自动驾驶算法最有利的属性，这些算法依赖于准确的计算机视觉和场景理解。我们还为数据集创建了一个API，以简化CAR的使用。该API可以通过https://github.com/kareem-metwaly/CAR-API访问。
2021-11-16 cs.CV cs.LG cs.RO
SNN-PAR: Energy Efficient Pedestrian Attribute Recognition via Spiking Neural Networks
School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院）；Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院）
针对行人属性识别能耗高的问题，提出基于脉冲神经网络的SNN-PAR框架，通过脉冲分词器、Transformer主干及知识蒸馏实现节能且准确的识别。
2024-10-10 cs.AI cs.CV cs.NE
Relation-aware Compositional Zero-shot Learning for Attribute-Object Pair Recognition
National University of Singapore（新加坡国立大学）；NUS Graduate School for Integrative Sciences & Engineering（新加坡国立大学综合科学与工程研究生院）
本文提出了一种新的模型，用于识别具有复合属性-对象概念的图像，特别是在模型训练过程中看不到的复合概念。我们的目标是探索任务所需的三个关键属性-关系感知，一致性和解耦-学习组成属性对象对的原始概念的丰富和强大的功能。为此，我们提出了阻塞消息传递网络（BMP-Net）。该模型由两个模块组成。概念模块为原始概念生成语义上有意义的特征，而视觉模块从输入图像中提取属性和对象的视觉特征。在概念模块中使用消息传递机制来捕获原始概念之间的关系。此外，为了防止模型偏向于看到的复合概念，并减少属性和对象之间的纠缠，我们提出了一个阻塞机制，该机制均衡了模型中可见和不可见概念的信息。两个基准上的大量实验和烧蚀研究表明了所提出的模型的有效性。
2021-08-10 cs.CV cs.MM
Learning CLIP Guided Visual-Text Fusion Transformer for Video-based Pedestrian Attribute Recognition
Anhui University（安徽大学）
针对静态图像 PAR 在遮挡和模糊等场景下不可靠的问题，提出 CLIP 引导的视觉-文本融合 Transformer，利用视频时间信息与属性语义实现行人属性预测。
2023-04-20 cs.CV cs.MM
Neural Architecture Searching for Facial Attributes-based Depression Recognition
Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；Peng Cheng National Laboratory（鹏城国家实验室）；Shenzhen Jinzhou Precision Technology Corp.（深圳金洲精工科技股份有限公司）
最近的研究表明，抑郁症可以部分反映在人类的面部属性。由于人脸属性具有不同的数据结构，并携带不同的信息，现有的方法没有具体考虑的最佳方式来提取抑郁相关的功能，以及调查的最佳融合策略。在本文中，我们提出了扩展神经架构搜索（NAS）技术，设计一个最佳的模型，多个面部属性为基础的抑郁症识别，这可以有效地和强大的实现在一个小的数据集。我们的方法首先对每个面部属性的特征提取器进行预热步骤，旨在大大减少搜索空间并提供定制的架构，其中每个特征提取器可以是卷积神经网络（CNN）或图神经网络（GNN）。然后，我们对所有特征提取器和融合网络进行端到端的架构搜索，使互补的抑郁线索以更少的冗余进行最佳组合。在AVEC 2016数据集上的实验结果表明，该方法在RMSE和MAE上分别比现有方法提高了27%和30%，取得了突破性的效果，为NAS在基于时间序列数据的心理健康分析中的应用提供了坚实的基础.
2022-01-24 cs.AI cs.CV
Segmentation-Aware and Adaptive Iris Recognition
虹膜识别作为一种最准确、最方便的身份识别技术，在电子安全领域得到了越来越广泛的应用。已知在远距离处或在较少约束的成像环境下获取的虹膜图像的质量会降低虹膜匹配精度。眼周信息固有地嵌入在这样的虹膜图像中，并且可以被利用来辅助在这样的非理想场景下的虹膜识别。我们对这种虹膜模板的分析也表明感兴趣区域的显著退化和减少，其中虹膜识别可以受益于可以考虑不同二进制位的重要性的相似性距离，而不是文献中直接使用汉明距离。眼周信息可以动态地增强，通过将可用虹膜区域的有效面积的差异，用于更准确的虹膜识别。本文提出了这样一个分割辅助自适应框架，更准确的少约束虹膜识别。在三个公开的虹膜数据库上进行了数据集内和跨数据集性能评估，验证了该框架的有效性。
2019-12-31 cs.CV eess.IV
An Attention-Based Deep Learning Model for Multiple Pedestrian Attributes Recognition
Instituto de Telecomunicações（电信研究所）；University of Beira Interior（贝拉内大学）；Technical University of Cluj-Napoca（克卢日-纳波卡技术大学）；TomiWorld
监控录像中行人的自动特征化是一个严峻的挑战，特别是当数据非常多样化，背景杂乱，并且从不同的距离，在多个姿势下，部分遮挡下捕获主体时。在观察到最先进的性能仍然不令人满意之后，本文提供了一种新的解决方案，具有两方面的贡献：1）考虑到不同全身属性之间的强语义相关性，我们提出了一种多任务深度模型，该模型使用逐元素乘法层来提取更全面的特征表示。在实践中，这一层作为一个过滤器，以消除不相关的背景功能，是特别重要的处理复杂的，杂乱的数据; 2）我们引入了一个加权和项的损失函数，不仅相对化的贡献，每个任务（类型的属性），但也是至关重要的多属性推理设置的性能改进。我们的实验是在两个众所周知的数据集（RAP和PETA）上进行的，并指出了所提出的方法相对于最先进的方法的优越性。代码可在www.example.com上获得。
2020-04-02 cs.CV cs.LG
AdaMML: Adaptive Multi-Modal Learning for Efficient Video Recognition
MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）；Boston University（波士顿大学）；MIT（麻省理工学院）
多模态学习是一种利用各种模态来提高模型性能的学习方法，广泛应用于视频识别中。虽然传统的多模态学习提供了出色的识别结果，但其计算费用限制了其对许多现实世界应用的影响。在本文中，我们提出了一种自适应多模态学习框架，称为AdaMML，它可以根据输入为每个片段选择最佳模态，以实现高效的视频识别。具体来说，给定一个视频片段，使用多模态策略网络来决定识别模型应该使用什么模态进行处理，目标是提高准确性和效率。我们有效地训练的政策网络与识别模型，使用标准的反向传播。在四个具有挑战性的不同数据集上进行的广泛实验表明，与传统的基线相比，我们提出的自适应方法可以减少35%-55%的计算量，而传统的基线只是简单地使用所有的模态，而不考虑输入，同时还实现了与最先进的方法相比准确性的一致提高。
2021-05-12 cs.AI cs.CV cs.LG
Pedestrian Attribute Recognition: A New Benchmark Dataset and A Large Language Model Augmented Framework
School of Artificial Intelligence, Anhui University（安徽大学人工智能学院）；School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院）
针对现有PAR数据集跨域性不足、性能饱和且近年无大规模公开数据集的问题，本文提出含6万余张图像、57个属性的跨域数据集MSP60K，构建LLM增强的PAR框架LLM-PAR，经多基准实验验证其有效性。
2024-08-19 cs.AI cs.CL cs.CV
PFM-VEPAR: Prompting Foundation Models for RGB-Event Camera based Pedestrian Attribute Recognition
City University of Macau（澳门城市大学）；Zhuhai College of Science and Technology（珠海科学技术学院）；Macau University of Science and Technology（澳门科学大学）；School of Computer Science and Technology, Anhui University（安徽大学计算机科学与技术学院）
本文提出PFM-VEPAR，通过轻量级DCT和IDCT提取事件域特征，结合外部记忆库和Hopfield网络提升行人属性识别的准确性与效率。
2026-03-20 cs.AI cs.CV cs.LG
A Richly Annotated Dataset for Pedestrian Attribute Recognition
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Temple University（天普大学）
在本文中，我们的目标是提高数据集基础的行人属性识别在真实的监控场景。对性别、服装类型等人体属性的识别具有很好的实际应用前景。然而，开发合适的基准数据集的属性识别仍然滞后。现有的人类属性数据集是从各种来源收集的，或者是行人重新识别数据集的集成。这种异构的属性集合对开发高质量的细粒度属性识别算法提出了很大的挑战。此外，人类属性识别通常受到环境或上下文因素的严重影响，例如视点，遮挡和身体部位，而现有的属性数据集几乎不关心它们。为了解决这些问题，我们从长期收集的真实多摄像头监控场景中构建了一个丰富注释的行人（RAP）数据集，其中数据样本不仅使用细粒度的人类属性进行注释，还使用环境和上下文因素进行注释。RAP共有41，585个行人样本，每个样本都标注了72个属性以及视点，遮挡，身体部位信息。据我们所知，RAP数据集是最大的行人属性数据集，这有望大大促进大规模属性识别系统的研究。此外，我们实证分析了不同的环境和上下文因素对行人属性识别的影响。实验结果表明，视点、遮挡和身体部位信息在实际应用中可以很好地辅助属性识别。
2016-04-27 cs.CV
Integrating Local Material Recognition with Large-Scale Perceptual Attribute Discovery
Drexel University（德雷塞尔大学）
材料属性已经被证明提供了用于识别材料的有区别的中间表示，特别是对于从局部材料外观（即，而不管对象和场景上下文）。然而，在过去，材料属性已经在类别识别之前被单独识别。相反，神经科学对物质感知的研究和计算机视觉对物体和地点识别的研究表明，属性是在类别识别过程中产生的副产品。材料属性和类别识别是否也是如此？在本文中，我们介绍了一种新的材料类别识别网络架构，表明感知属性，事实上，可以自动发现内的本地材料识别框架。新型材料属性类别卷积神经网络（MAC-CNN）使用编码人类材料感知的辅助损失函数从端到端训练类别识别网络的中间池化层产生感知材料属性。为了训练这个模型，我们引入了一个新的大型数据库的本地材料外观组织下的一个规范的材料类别分类和仔细的图像补丁提取，避免不必要的对象和场景的上下文。我们发现的属性对应以及语义有意义的视觉材料特征，通过布尔代数，并使识别以前看不见的材料类别，只有几个例子。这些结果对在其他识别任务中如何学习感知有意义的属性具有重要意义。
2017-04-12 cs.CV
Vehicle Attribute Recognition by Appearance: Computer Vision Methods for Vehicle Type, Make and Model Classification
Tampere University（坦佩雷大学）
本文研究了基于外观的车辆属性识别。在文献中，基于图像的目标识别已经在许多用例中得到了广泛的研究，例如面部识别，但在车辆属性识别领域却很少。我们调查了一些算法，确定车辆属性，从粗粒度的水平（车辆类型）到细粒度的水平（车辆制造和模型）。此外，我们讨论了这些任务的两种替代方法，包括直接分类和更灵活的度量学习方法。此外，我们设计了一个模拟现实世界的情况下，车辆属性识别，并提出了两种方法的实验比较。
2020-06-29 cs.CV
Feature Level Fusion from Facial Attributes for Face Recognition
University of Notre Dame（圣母大学）
我们引入了一种深度卷积神经网络（CNN）架构，通过共享学习范式同时对面部属性进行分类和识别面部图像，以提高面部属性预测和面部识别性能的准确性。在该方法中，我们使用人脸属性作为辅助信息源，以辅助从人脸图像中提取的CNN特征，以提高人脸识别性能。具体来说，我们使用一个共享的CNN架构，通过一个共享的学习参数，同时联合预测人脸属性和识别人脸图像，然后我们使用人脸属性特征作为一个辅助信息源连接的人脸特征，以增加识别的CNN的人脸识别。这个过程有助于CNN分类器更好地识别人脸图像。实验结果表明，该模型提高了人脸识别和人脸属性预测的性能，特别是对性别和种族等身份属性。我们在几个由身份和人脸属性标记的标准数据集上对我们的方法进行了评估，结果表明，所提出的方法优于最先进的人脸识别模型。
2021-08-11 cs.CV
Shaping Visual Representations with Attributes for Few-Shot Recognition
Nanjing University（南京大学）
Few-Shot识别的目标是在低数据条件下识别新类别。一些最近的Few-Shot识别方法引入了辅助语义模态，即，类别属性信息引入到表示学习中，增强了特征区分度，提高了识别性能。现有的这些方法大多只考虑支持集的属性信息而忽略查询集，导致潜在的性能损失。在这封信中，我们提出了一种新的属性形状学习（ASL）框架，它可以联合执行查询属性生成和判别视觉表示学习的Few-Shot识别。具体来说，视觉属性预测器（VAP）的构造预测查询的属性。通过利用属性信息，设计了一个属性视觉注意模块（AVAM），它可以自适应地利用属性和视觉表示来学习更多的区分特征。在属性模态的指导下，我们的方法可以学习增强的语义感知表示分类。实验表明，我们的方法可以取得竞争力的结果在CUB和SUN基准。我们的源代码可在以下网址获得：\url{https://github.com/chenhaoxing/ASL}。
2022-06-05 cs.CV
Can GAN-induced Attribute Manipulations Impact Face Recognition?
International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）；Michigan State University（密歇根州立大学）
由于年龄、性别、种族等人口因素造成的影响，已经在自动面部识别系统中被广泛研究。然而，\textit{digitally modified}的人口统计和面部属性对人脸识别的影响是相对不足的探索。在这项工作中，我们研究了通过生成对抗网络（GANs）诱导的属性操作对人脸识别性能的影响。我们在CelebA数据集上进行实验，使用AttGAN和STGAN故意修改13个属性，并评估它们对两种基于深度学习的人脸验证方法ArcFace和VGGFace的影响。我们的研究结果表明，一些属性操作，包括眼镜和数字改变的性别线索可以显着损害人脸识别高达73%，需要进一步分析。
2022-09-07 cs.CV
Improving the Annotation of DeepFashion Images for Fine-grained Attribute Recognition
Cortexica Vision Systems（Cortexica视觉系统公司）
DeepFashion是一个广泛使用的服装数据集，包含50个类别和超过20万张图像，其中每张图像都使用细粒度属性进行注释。该数据集通常用于服装识别，虽然它提供了全面的注释，但属性分布不平衡且重复，特别是对于训练细粒度属性识别模型。在这项工作中，我们通过分别关注每个类别，为细粒度属性识别任务量身定制了DeepFashion。在选择具有足够数量的图像进行训练的类别之后，我们删除非常稀缺的属性并合并每个类别中的重复属性，然后根据新的属性列表清理数据集。我们使用一个双线性卷积神经网络与成对排序损失函数的多标签细粒度属性识别，并表明新的注释改善了这样一个任务的结果。每个选定类别的详细注释供公众使用。
2018-07-31 cs.CV
TaCo: Textual Attribute Recognition via Contrastive Learning
Tencent YouTu Lab（腾讯优图实验室）
字体等文本属性是文档格式和页面风格的核心设计元素，属性自动识别具有广泛的实际应用价值。现有的方法在区分不同属性方面已经取得了令人满意的性能，但在区分只有细微差异的相似属性方面仍然存在缺陷。此外，它们的性能严重下降，在现实世界的情况下，出现意想不到的和明显的成像失真。在本文中，我们的目标是解决这些问题，提出TaCo，文本属性识别的对比框架，针对最常见的文档场景。具体来说，TaCo利用对比学习来消除模糊和开放式属性所产生的歧义陷阱。为了实现这一目标，我们从三个方面设计了学习范式：1）生成属性视图，2）提取微妙但关键的细节，3）利用有价值的视图对进行学习，以充分释放预训练潜力。大量的实验表明，TaCo超越了监督同行，并在多属性识别任务的最先进的显着进步。将提供TaCo的在线服务。
2022-08-22 cs.CV
A Solution to Co-occurrence Bias: Attributes Disentanglement via Mutual Information Minimization for Pedestrian Attribute Recognition
Beihang University（北京航空航天大学）
针对行人属性识别中的属性共现偏差问题，提出属性解耦特征学习方法，通过互信息最小化确保属性识别独立性，在真实数据集上取得最优性能。
2023-07-28 cs.CV
Sequence-based Person Attribute Recognition with Joint CTC-Attention Model
Tencent Youtu Lab（腾讯优图实验室）；Hefei University of Technology（合肥工业大学）
属性识别在计算机视觉中有着广泛的应用，如身份识别等。像许多物体识别问题一样，视点、照明和远距离识别的变化都使这项任务具有挑战性。在这项工作中，我们提出了一个联合CTC注意力模型（JCM），它映射到序列的属性标签学习属性之间的语义关系。此外，该网络采用神经网络对图像进行序列编码，并采用关联时间分类（CTC）损失对网络进行训练，以提高网络的编码性能。同时，采用注意力模型对序列进行解码，可以实现序列的对齐，更好地从属性中学习语义信息。在三个公共数据集上进行了广泛的实验，即，Market-1501属性数据集、Duke属性数据集和PETA数据集的实验结果表明了该方法的有效性。
2018-11-27 cs.CV
Localizing by Describing: Attribute-Guided Attention Localization for Fine-Grained Recognition
Baidu Research（百度研究院）
细粒度识别的一个关键挑战是如何发现和表示有区别的局部区域。最近的注意力模型只能从类别标签中学习有区别的区域定位器与强化学习。然而，不利用任何明确的部分信息，他们不能准确地找到多个独特的区域。在这项工作中，我们引入了一个属性引导的注意力定位方案，局部区域定位器的部分属性描述的指导下学习。通过设计一种新的奖励策略，我们能够学习定位区域的空间和语义独特的强化学习算法。该方案的属性标注要求比传统的基于零件的细粒度识别方法所要求的精确零件位置标注更容易实现。在CUB-200-2011数据集上的实验结果表明，该方法在细粒度识别和属性识别方面都具有较好的性能。
2016-05-23 cs.CV
Sunrise or Sunset: Selective Comparison Learning for Subtle Attribute Recognition
图像识别的难度从一般的类别识别逐渐增加到细粒度识别，再到一些细微属性的识别，如温度、地理位置等。本文试图从日出和日落的分类入手，希望能给人们一点提示，告诉人们如何区分细微的属性。日出与日落是一项困难的识别任务，即使对人类来说也是一项挑战。为了理解这个新问题，我们首先收集了一个由来自不同地方的100多个网络摄像头组成的新数据集。由于现有的算法方法的准确性差，我们提出了一个新的成对学习策略，学习功能的选择对图像。实验表明，我们的方法超过基线方法的大幅度，甚至与人类相比，取得了更好的结果。我们还将我们的方法应用于现有的细微属性识别问题，如温度估计，并取得了最先进的结果。
2017-07-20 cs.CV
Visual Attribute-augmented Three-dimensional Convolutional Neural Network for Enhanced Human Action Recognition
University of Science and Technology of China（中国科学技术大学）；HERE Technologies（HERE科技公司）
视频帧中的视觉属性，如特征对象和场景的存在，为视频中的动作识别提供了大量信息。以单个2D视频帧作为输入，由于2D CNN中的参数较少，因此可以使用比当前具有时空滤波器的3D CNN更复杂的卷积神经网络来有效地和高效地实现视觉属性提取。提出了一种基于视觉属性增强的三维CNN（A3D）框架，将视觉属性（包括检测、编码和分类）集成到多流三维CNN中，用于裁剪视频中的动作识别。视觉属性流水线包括目标检测网络、属性编码网络和分类网络。我们提出的A3D框架在HMDB51和UCF101数据集上都达到了最先进的性能。
2018-05-08 cs.CV
Robust RGB-D Face Recognition Using Attribute-Aware Loss
University of Science and Technology of China（中国科学技术大学）；Beijing Dilusense Technology Corporation（北京的卢深视科技有限公司）；Cardiff University（卡迪夫大学）
现有的基于卷积神经网络（CNN）的人脸识别算法通常使用损失函数来学习区别性特征映射，所述损失函数强制分离来自不同类别的特征和/或聚合同一类别内的特征。然而，它们可能遭受训练数据中的偏差，例如不均匀的采样密度，因为它们优化了所学习的特征的邻近关系，而没有考虑底层面部的邻近性。此外，由于它们仅使用面部图像进行训练，因此学习的特征映射可能无法正确指示其他属性（例如性别和种族）的关系，这对于某些面部识别应用来说可能很重要。在本文中，我们提出了一种新的基于CNN的人脸识别方法，将这些属性纳入训练过程。使用属性感知的损失函数，正则化的特征映射使用属性接近度，我们的方法学习更多的歧视性特征，与属性相关。我们训练我们的人脸识别模型上的大规模RGB-D数据集，在实际应用条件下捕获的身份超过10万。通过与其他方法进行比较，我们证明了深度通道和属性感知损失大大提高了人脸识别的准确性和鲁棒性。
2019-05-17 cs.CV
Pedestrian Attribute Recognition in Video Surveillance Scenarios Based on View-attribute Attention Localization
College of Information Engineering, Zhejiang University of Technology（浙江工业大学信息工程学院）
针对监控场景行人属性识别中特定属性定位不准的问题，提出基于注意力的视角-属性定位方法VALA，结合视角权重与区域注意力实现精准定位，在三个主流数据集上性能优于现有最优方法。
2021-12-20 cs.CV
Attribute Recognition by Joint Recurrent Learning of Context and Correlation
Queen Mary University of London（伦敦玛丽女王大学）；Vision Semantics Ltd（视觉语义有限公司）
识别监控图像中行人的语义属性是计算机视觉的一项具有挑战性的任务，特别是当图像质量差、背景复杂、观察条件不受控、标记训练数据数量少时。在这项工作中，我们制定了一个联合循环学习（JRL）模型，探索属性的上下文和相关性，以提高属性识别给定的小尺寸的训练数据质量差的图像。JRL模型联合学习行人图像中的行人属性相关性，特别是它们在端到端编码器/解码器递归网络中的顺序排序依赖性（潜在高阶相关性）。我们展示了JRL模型在两个最大的行人属性基准PETA和RAP上的行人属性识别，多标签图像分类和多人图像注释的各种最先进的深度模型的性能优势和鲁棒性。
2017-09-25 cs.CV
Attribute Mix: Semantic Data Augmentation for Fine Grained Recognition
Shanghai Jiaotong University（上海交通大学）；Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
收集细粒度的标签通常需要专家级的领域知识，并且无法扩展。在本文中，我们提出了属性混合，数据增强策略在属性级扩展细粒度的样本。其原理在于细粒度子类别之间的属性特征是共享的，并且可以无缝地在图像之间传递。为了实现这一目标，我们提出了一种自动属性挖掘方法来发现属于同一个超类别的属性，属性混合是通过混合两个图像的语义有意义的属性特征。属性混合是一种简单而有效的数据增强策略，它可以在不增加推理预算的情况下显著提高识别性能。此外，由于属性可以在来自同一超类别的图像之间共享，因此我们使用来自通用域的图像进一步丰富具有属性级别标签的训练样本。广泛使用的细粒度基准测试的实验证明了我们提出的方法的有效性。
2020-07-09 cs.CV
Adaptive Prototype Model for Attribute-based Multi-label Few-shot Action Recognition
Wuhan University（武汉大学）
针对多属性联合识别导致准确率下降的问题，提出AAPM，通过TCM引入标签文本约束并利用AAM缓解训练偏差，同时构建Multi-Kinetics数据集，在多标签与单标签少样本动作识别上均达到SOTA。
2025-02-18 cs.CV
Improving Pedestrian Attribute Recognition With Weakly-Supervised Multi-Scale Attribute-Specific Localization
Tsinghua University（清华大学）；Beihang University（北京航空航天大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
行人属性识别是视频监控领域的一个新兴研究课题。为了预测特定属性的存在，需要定位与该属性相关的区域。但是，在此任务中，区域注释不可用。如何划分这些属性相关区域仍然具有挑战性。现有的方法应用属性不可知的视觉注意或启发式的身体部位定位机制，以提高局部特征表示，而忽略了使用属性来定义局部特征区域。我们提出了一个灵活的属性定位模块（ALM），以自适应地发现最具歧视性的地区，并学习区域功能，为每个属性在多个级别。此外，还引入了一个特征金字塔架构，以增强在低级别的属性特定的本地化与高层语义指导。所提出的框架不需要额外的区域注释，并且可以通过多级深度监督进行端到端的训练。大量的实验表明，所提出的方法实现了国家的最先进的结果上的行人属性数据集，包括PETA，RAP和PA-100 K。
2019-10-10 cs.CV
Open Set Chinese Character Recognition using Multi-typed Attributes
University of Groningen（格罗宁根大学）
离线汉字识别仍然是一个具有挑战性的问题，特别是在历史文献中，不仅在类的数量非常大，相比当代图像检索方法，而且新的看不见的类，可以预期在开放学习条件下（即使是CNN）。零训练样本或少量训练样本的汉字识别是一个困难的问题，目前还没有研究。本文提出了一种基于汉字读音、字形和部首的多类型属性的汉字识别方法，并将其应用于历史文献中的汉字识别。这种中间属性代码比常见的“one-hot”类表示有很大的优势，因为它允许使用属性符号化地理解复杂和不可见的模式。首先，每个字符由四组属性类型表示，以覆盖广泛的字符可能性：拼音标签，布局结构，笔画数，三种不同的输入法，如仓颉，正码和五笔，以及四角编码方法。训练卷积神经网络（CNN）来学习这些属性。随后，字符可以很容易地识别这些属性使用的距离度量和一个完整的字典，是在属性空间编码。我们评估所提出的方法在两个开放的数据集：印刷体汉字识别的零样本学习，历史字符的少样本学习和一个封闭的集合：手写体汉字。实验结果表明，看到的类，但也是一个非常有前途的泛化能力，看不见的字符良好的一般分类。
2018-08-27 cs.CV
Instance Retrieval at Fine-grained Level Using Multi-Attribute Recognition
Cortexica Vision Systems Limited（Cortexica视觉系统有限公司）；Australian Institute for Machine Learning（澳大利亚机器学习研究所）；the University of Adelaide（阿德莱德大学）
在本文中，我们提出了一种方法，例如排名和检索细粒度级别的基础上提取的多属性识别模型，这是不依赖于地标信息或部分基于注释的全局特征。此外，我们通过采用双线性CNN使多属性识别模型更小（在参数数量方面），使这种架构适合于移动设备应用。在DeepFashion In-Shop Clothes Retrieval和CUB 200数据集的Dress类别上进行的实验表明，细粒度级别的实例检索结果对于这些数据集是有希望的，特别是在纹理和颜色方面。
2018-11-07 cs.CV
Prior Knowledge about Attributes: Learning a More Effective Potential Space for Zero-Shot Recognition
Zhejiang Gongshang University（浙江工商大学）；Oakland University（奥克兰大学）
零样本学习（Zero-shot learning，ZRL）通过学习已知属性和已知类来准确识别未知类，但以往的研究忽略了属性间的相关性，导致分类结果混乱。为了解决这个问题，我们建立了一个属性相关势空间生成（ACPSG）模型，该模型使用图卷积网络和属性相关来生成更具区分力的势空间。结合潜在的歧视空间和用户定义的属性空间，我们可以更好地分类看不见的类。我们的方法在几个基准数据集上的性能优于一些现有的最先进的方法，无论是传统的CNOL还是广义的CNOL。
2020-09-14 cs.CV
Localization Guided Learning for Pedestrian Attribute Recognition
City University of Hong Kong（香港城市大学）；The Chinese University of Hong Kong（香港中文大学）；SenseTime Research（商汤科技研究院）
行人属性识别在监控视频的场景理解和人物分析中有着广泛的应用，因此受到了人们的广泛关注。现有方法尝试使用额外的姿势、零件或视角信息来补充属性分类的全局特征表示。然而，这些方法在定位对应于不同属性的区域时面临困难。为了解决这个问题，我们提出了一种新的本地化引导网络，它分配属性特定的权重的基础上的建议预提取的建议和属性位置之间的亲和力的本地功能。我们的模型的优点是，我们的本地功能自动学习每个属性，并强调与全球功能的相互作用。我们证明了我们的本地化引导网络的有效性两个行人属性基准（PA-100 K和RAP）。我们的结果在两个数据集的所有五个指标上都超过了以前的最先进水平。
2018-08-28 cs.CV
Incremental Few-Shot Learning for Pedestrian Attribute Recognition
Tsinghua University（清华大学）；University of Warwick（华威大学）；Xidian University（西安电子科技大学）
行人属性识别在视频监控应用中具有重要的作用，因此受到越来越多的关注。然而，大多数现有的方法都是为固定的属性集设计的。它们无法处理增量式少样本学习场景，即使经过良好训练的模型适应具有稀缺数据的新添加属性，这在现实世界中普遍存在。在这项工作中，我们提出了一个基于Meta学习的方法来解决这个问题。我们的框架的核心是一个Meta架构，能够解开多个属性信息，并迅速推广到新的属性。通过在增量式Few-Shot设置下对基准数据集PETA和RAP进行广泛的实验，我们证明了我们的方法能够以具有竞争力的性能和低资源需求执行任务。
2019-06-24 cs.CV
CLEAR: Cross-Transformers with Pre-trained Language Model is All you need for Person Attribute Recognition and Retrieval
School of Electrical Engineering, Korea University（高丽大学电气工程学院）；Graduate School of Data Science, Chonnam National University（全南国立大学数据科学研究生院）
本文提出统一网络CLEAR，通过鲁棒交叉Transformer解决行人属性识别，并利用预训练语言模型构建伪描述以弥合属性查询与图像间的模态差距，在五个基准上取得领先或竞争性结果。
2024-04-30 cs.CV
Generative Adversarial Models for People Attribute Recognition in Surveillance
University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学）
在本文中，我们提出了一种用于检测人属性（例如性别，种族，服装......）的深层架构。在监视环境中。我们的建议明确地处理分辨率差和遮挡问题，经常发生在监控镜头通过增强图像的手段，深度卷积生成对抗网络（DCGAN）。实验表明，通过结合我们的生成重建和深度属性分类网络，我们可以有效地提取属性，即使在分辨率差，并在存在强遮挡高达80%的整个人的形象。
2017-07-07 cs.CV
Jointly De-biasing Face Recognition and Demographic Attribute Estimation
Michigan State University（密歇根州立大学）
我们解决了自动人脸识别和人口统计属性估计算法中的偏差问题，其中属于特定人口统计群体的某些队列的错误较低。我们提出了一种新的去偏置对抗网络（DebFace），它学习提取无偏人脸识别和人口统计估计的解纠缠特征表示。该网络由一个身份分类器和三个人口统计分类器（性别，年龄和种族）组成，它们分别经过训练以区分身份和人口统计属性。采用对抗学习的方法，最大限度地减少特征因子之间的相关性，以减少其他因素的偏差影响。我们还设计了一个新的计划，人口统计与身份特征相结合，以加强在不同的人口统计群体的人脸表示的鲁棒性。实验结果表明，我们的方法是能够减少偏见的人脸识别以及人口统计估计，同时实现国家的最先进的性能。
2020-07-31 cs.CV
A Data-Centric Approach to Pedestrian Attribute Recognition: Synthetic Augmentation via Prompt-driven Diffusion Models
Autonomous University of Madrid（马德里自主大学）；University of Bordeaux（波尔多大学）；Pázmány Péter Catholic University（帕兹曼·彼得天主教大学）
针对行人属性识别中训练数据部分属性样本不足的问题，提出以数据为中心的提示驱动扩散模型合成增强方法，通过弱属性识别、一致性图像生成与适配训练策略，提升低代表性属性识别效果与整体模型性能，且无需修改模型架构。
2025-09-02 cs.CV
Attribute-Centered Loss for Soft-Biometrics Guided Face Sketch-Photo Recognition
West Virginia University（西弗吉尼亚大学）
面部草图能够捕捉面部的空间拓扑，同时缺少一些面部属性，如种族、皮肤或头发颜色。现有的素描照片识别方法大多忽略了面部属性的重要性。在本文中，我们提出了一个新的损失函数，称为属性中心损失，训练深度耦合卷积神经网络（DCCNN）的面部属性引导草图照片匹配。具体来说，提出了一种以属性为中心的损失，它在共享的嵌入空间中学习几个不同的中心，用于具有不同属性组合的照片和草图。DCCNN同时被训练成围绕其关联中心映射照片和成对的已证实属性以及相应的法医草图，同时保留空间拓扑信息。重要的是，这些中心学会了彼此保持相对距离，这与它们相互矛盾的属性的数量有关。复合（E-PRIP）和半法医（IIIT-D半法医）数据库进行了广泛的实验。所提出的方法显着优于最先进的。
2018-04-09 cs.CV
Weakly-supervised Learning of Mid-level Features for Pedestrian Attribute Recognition and Localization
Chinese Academy of Sciences（中国科学院）
现有的方法将行人属性识别视为多标签图像分类问题。在以往的工作中，人体属性的位置信息通常被删除或简单地编码在整个身体的刚性分裂。在本文中，我们制定了一个弱监督属性定位框架的任务。基于GoogLeNet，首先通过新颖设计的检测层发现一组中层属性特征，并采用基于最大池的弱监督目标检测技术，仅用图像级标签对这些层进行训练，无需行人属性的限界框标注.其次，通过检测响应幅度的回归来预测属性标签。最后，行人属性的位置和大致形状可以通过对检测层的激活图的融合执行聚类来推断，其中融合权重被估计为每个属性与其相关的中间层特征之间的相关强度。在两个目前最大的行人属性数据集上进行了大量的实验，即PETA数据集和RAP数据集。实验结果表明，该方法在属性识别方面取得了较好的效果。此外，属性定位的结果可视化，了解所提出的方法的特点。
2016-11-17 cs.CV
Adv-Attribute: Inconspicuous and Transferable Adversarial Attack on Face Recognition
Shanghai Jiao Tong University（上海交通大学）；Tencent（腾讯）；Zhejiang University（浙江大学）
深度学习模型在处理对抗攻击时表现出了脆弱性。现有的攻击几乎都是针对像素和超像素等低层实例，很少利用语义线索。对于人脸识别攻击，现有方法通常在像素上产生l_p范数扰动，然而，导致低攻击可移植性和对去噪防御模型的高脆弱性。在这项工作中，而不是执行扰动的低级别的像素，我们建议通过扰动的高级别的语义，以提高攻击的可转移性。具体而言，设计了一个统一的灵活框架，对抗属性（Adv-Attribute），以生成对人脸识别的不显眼和可转移的攻击，该框架根据人脸识别特征与目标的差异指导，制造对抗噪声并将其添加到不同的属性中。此外，引入了重要性感知属性选择和多目标优化策略，进一步保证了隐蔽性和攻击强度的平衡。在FFHQ和CelebA-HQ数据集上进行的大量实验表明，所提出的Adv-Attribute方法实现了最先进的攻击成功率，同时保持了对最近攻击方法的更好的视觉效果。
2022-11-18 cs.CV
