Lightweight Attribute Localizing Models for Pedestrian Attribute Recognition

要約

歩行者属性認識 (PAR) は、歩行者の画像内の特徴を識別する問題を扱います。
人物検索、容疑者の再特定、ソフトバイオメトリクスなどに興味深い応用例が見つかっています。
過去数年間で、この課題を解決するためにいくつかのディープ ニューラル ネットワーク (DNN) が設計されました。
ただし、開発された DNN は主に、過剰なパラメータ化と高い計算の複雑さに悩まされています。
これらの問題は、メモリと計算能力が限られており、リソースに制約のある組み込みデバイスでの悪用を妨げています。
ニューラル ネットワーク圧縮は、テンソル分解などの効果的な圧縮技術を使用してネットワークの層を削減することにより、これらの問題に対処する効果的な方法となります。
歩行者属性認識 (PAR) のための新しい軽量属性位置特定モデル (LWALM) を提案します。
LWALM は、誤差保持補正付き正準ポリアディック分解 (CPD-EPC) アルゴリズムを使用して属性局所化モデル (ALM) を効果的に層ごとに圧縮した後に得られる圧縮ニューラル ネットワークです。

要約(オリジナル)

Pedestrian Attribute Recognition (PAR) deals with the problem of identifying features in a pedestrian image. It has found interesting applications in person retrieval, suspect re-identification and soft biometrics. In the past few years, several Deep Neural Networks (DNNs) have been designed to solve the task; however, the developed DNNs predominantly suffer from over-parameterization and high computational complexity. These problems hinder them from being exploited in resource-constrained embedded devices with limited memory and computational capacity. By reducing a network’s layers using effective compression techniques, such as tensor decomposition, neural network compression is an effective method to tackle these problems. We propose novel Lightweight Attribute Localizing Models (LWALM) for Pedestrian Attribute Recognition (PAR). LWALM is a compressed neural network obtained after effective layer-wise compression of the Attribute Localization Model (ALM) using the Canonical Polyadic Decomposition with Error Preserving Correction (CPD-EPC) algorithm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google