摘要

我们提出了一种从视角、姿态、外观、关节动作及遮挡变化较大的人体图像中推断人类属性（如性别、发型、衣着风格、表情、动作等）的方法。卷积神经网络（CNN）在大规模物体识别任务中已表现出优异性能。然而，在属性分类任务中，有效信号往往较为微弱，可能仅占据图像的一小部分区域，而图像整体则主要受姿态和视角变化的影响。若要消除姿态变化带来的干扰，通常需要在大规模标注数据集上进行训练，但这类数据集目前尚不可得。基于部件的模型（如Poselets和DPM）在该任务中表现良好，但受限于浅层低级特征的表达能力。为此，我们提出一种新方法，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。在无约束场景下的挑战性属性分类任务中，实验结果表明，该方法显著优于现有最先进方法。实验进一步验证，我们的方法不仅超越了当前最优的基于部件的方法，也优于在人体完整边界框上训练的传统CNN。