監(jiān)控場景下的行人精細(xì)化識別overfitting

1、案例監(jiān)控場景下的行人精細(xì)化識別BDCI-決賽答辯overfitting賽題建模模型選擇模型融合賽題總結(jié)目錄賽題建模01子部位定位監(jiān)控場景下的行人精細(xì)化識別物體檢測分類問題賽題分析性別頭發(fā)長度附屬品種類附屬品顏色圖像模糊1行人姿態(tài)多樣化2子部位存在遮擋3賽題挑戰(zhàn)光照變化大4模型選擇02模型演變Faster R-CNNCNNSSD全局信息關(guān)聯(lián)性多模型融合模型初建附屬物種類識別附屬物顏色識別頭發(fā)長度識別性別識別子部位定位Faster R-CNNCNNCNN賽題任務(wù)存在小物體，特別是存在比例差距較大的待檢測對象，F(xiàn)aster R-CNN對于這類問題的性能不夠理想。模型初建Faster R-CNNSou

2、rce：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks，2015模型改進(jìn)（一） SSD輸入分辨率較低的圖像時，能保證檢測的精度。當(dāng)圖片中存在大小不同的檢測物體時，也能夠很好地進(jìn)行檢測?；究蚣躍ource：SSD: Single Shot MultiBox Detector，2015模型改進(jìn)（一） SSD性能提升 網(wǎng)絡(luò)部位SSDFaster R-CNNhead99.557699.4582top99.659799.4502down97.235295.8680shoes91.490084.

3、3655bag86.299680.4339hat70.000069.4789調(diào)節(jié)Faster R-CNN的anchor box99.533488.3615模型改進(jìn)（一） SSDFaster R-CNNSSD模型改進(jìn)（二） 挖掘全局信息關(guān)聯(lián)性模型改進(jìn)（二） 挖掘全局信息關(guān)聯(lián)性思路：圖片的全局信息對于屬性的識別具有積極的影響CNNCNN模型改進(jìn)（二） 挖掘全局信息關(guān)聯(lián)性CNNSSDSSD上身藍(lán)藍(lán)思路：直接同時完成子部分定位和識別任務(wù)算法框架算法框架任務(wù)：檢測頭部、上身、下身、腳、包和帽子的位置基于ImageNet數(shù)據(jù)集pre-trained的模型進(jìn)行fine-tune設(shè)定閾值對檢測得到的box進(jìn)行

4、篩選算法框架任務(wù)：識別上身衣著、下身衣著、鞋子、包的種類為主要任務(wù)，同時完善檢測任務(wù)整張圖片作為輸入標(biāo)注框label由子部分名稱加附屬物種類共同構(gòu)成基于子部分檢測網(wǎng)絡(luò)訓(xùn)練得到的模型進(jìn)行fine-tune根據(jù)結(jié)果對檢測任務(wù)完善并設(shè)定閾值篩選識別結(jié)果算法框架任務(wù)：識別上身衣著、下身衣著、包和帽子的顏色整張圖片作為輸入標(biāo)注框label由該框內(nèi)附屬物顏色決定基于ImageNet數(shù)據(jù)集pre-trained的模型進(jìn)行fine-tune根據(jù)前兩步得到的位置信息和本次得到的候選位置求交并比和候選框得分共同決定顏色結(jié)果算法框架任務(wù)：識別性別和頭發(fā)長度整張圖片作為輸入性別的標(biāo)注框?yàn)閳D片所有標(biāo)注框的融合，labe

5、l為性別類別頭發(fā)長度的標(biāo)注框視性別對頭部標(biāo)注框進(jìn)行延展得到，label為頭發(fā)長度類別基于ImageNet數(shù)據(jù)集pre-trained的模型進(jìn)行fine-tune模型融合03SSD網(wǎng)絡(luò)Faster R-CNN網(wǎng)絡(luò)附屬物種類識別模型融合附屬物種類識別SSD網(wǎng)絡(luò)Faster R-CNN網(wǎng)絡(luò)性別與頭發(fā)長度識別模型融合性別與頭發(fā)長度識別SSD網(wǎng)絡(luò)Faster R-CNN網(wǎng)絡(luò)CNN網(wǎng)絡(luò)附屬物顏色識別模型融合附屬物顏色識別模型融合性能提升賽題總結(jié)04ABC預(yù)警與排查，維護(hù)社會治安提高視頻監(jiān)控工作人員的工作效率行人行為解析應(yīng)用場景與商業(yè)價值A(chǔ)BC單個SSD模型完成定位和所有屬性識別任務(wù)帽子的檢測基于CNN優(yōu)化各項(xiàng)分類任務(wù)TodoABC行人各部分信息之間的關(guān)聯(lián)性直接處理原始圖片模型大小與測試速度創(chuàng)新性及優(yōu)勢ABC處理過程自動化，避免重復(fù)造輪子跳出已有方法的拘束，新的可能就在眼前不要因