RethinkingPAR-行人属性识别

论文Rethinking of Pedestrian Attribute Recognition提供了valencebond/Rethinking_of_PAR。

数据

论文中尝试了多个行人属性识别数据集（PETA/RAP/PA100K/RAP2），在分析这些数据集的不足后重新创建了两个数据集：

1. PAR\(_{zs}\)：基于RAP数据集；
2. PETA\(_{zs}\)：基于PETA数据集。11241张训练集、3826张验证集、3933张测试集，35个属性。

因为RAP数据集的下载需要经过申请，流程繁琐，所以仅采用了PETA\(_{zs}\)数据集进行实验。

PETA\(_{zs}\)

论文调整了PETA数据集的文件存放，在Rethinking_of_PAR/data/PETA/提供了标签文件dataset_zs_run0.pkl，另外PETA的图像数据使用另一个仓库的预处理：

1. peta mat #6
2. deeplearning_project/pedestrian_attribute_recognition/

本仓库参考上述实现，将标签文件和图像文件存放在同一路径下：Baidu Drive 密码: 7a1q

.
└── PETA
    ├── dataset_zs_run0.pkl
    └── images
        ├── 00001.png
        ├── 00002.png
        ├── 00003.png
        ├── 00004.png

属性解析

论文并没有完全采用PETA提供的105个属性，而是选择其中的35个属性标签，具体属性标签以及含义参考PETA （35 in 105）

对于行人属性数据集，依次标注不同区域的属性：

1. head region（头部区域）
   1. 'accessoryHat'：配饰帽子
   2. 'accessoryMuffler'：配饰围巾
   3. 'accessoryNothing'：无配饰
   4. 'accessorySunglasses'：配饰太阳镜
   5. 'hairLong'：长发
2. upper region（上部区域）
   1. 'upperBodyCasual'：休闲上衣
   2. 'upperBodyFormal'：正式上衣
   3. 'upperBodyJacket'：夹克外套
   4. 'upperBodyLogo'：带有标志的上衣
   5. 'upperBodyPlaid'：格子上衣
   6. 'upperBodyShortSleeve'：短袖上衣
   7. 'upperBodyThinStripes'：细条纹上衣
   8. 'upperBodyTshirt'：T恤衫
   9. 'upperBodyOther'：其他上衣
   10. 'upperBodyVNeck'：V领上衣
3. lower region（下部区域）
   1. 'lowerBodyCasual'：休闲裤
   2. 'lowerBodyFormal'：正式裤子
   3. 'lowerBodyJeans'：牛仔裤
   4. 'lowerBodyShorts'：短裤
   5. 'lowerBodyShortSkirt'：短裙
   6. 'lowerBodyTrousers'：长裤
4. foot region（脚部区域）
   1. 'footwearLeatherShoes'：皮鞋
   2. 'footwearSandals'：凉鞋
   3. 'footwearShoes'：鞋子
   4. 'footwearSneaker'：运动鞋
5. accessory/bag（配件/包）
   1. 'carryingBackpack'：携带背包
   2. 'carryingOther'：携带其他物品
   3. 'carryingMessengerBag'：携带信使包
   4. 'carryingNothing'：无携带物品
   5. 'carryingPlasticBags'：携带塑料袋
6. age（年龄）
   1. 'personalLess30'：小于30
   2. 'personalLess45'：小于45
   3. 'personalLess60'：小于60
   4. 'personalLarger60'：大于60
7. gender（性别）
   1. 'personalMale'：男性
8. others（其他）

训练

模型

参考论文实现，使用resnet50测试PETA\(_{zs}\)数据集，使用pytorch 1.8.1 + torchvision 0.9.1提供的ResNet预训练模型。

损失函数

Rethink_of_PAR的关键在于损失函数的设计，除了常规的BCELoss以外，论文还设计了加权函数来缓解不同属性标签数据量不平衡的问题。

实验

最好的的训练结果如下，本仓库实验结果和论文保持一致：

	Dataset	Model	mA	Acc	Prec	Rec	F1
valencebond/Rethinking_of_PAR(Origin Paper)	PETA_zs	ResNet50	71.43	58.69	74.41	69.82	72.04
This Repos	PETA_zs	ResNet50	70.374	59.106	75.239	69.822	72.429
This Repos	PETA_zs	ResNet101	71.980	59.809	75.486	70.583	72.952

更多的实验查看RethinkingPAR/docs/train.md。尝试了多种训练配置，包括

1. 不同的图像长宽比（256/192 vs. 256/128）；
2. 不同的训练预处理（w/wo Pad+RandomCrop）；
3. 不同的批量大小（64 vs. 256）。

从训练结果来看，

1. 最好的图像缩放比例为256/192；
2. 对于更大模型（resent101），可以采用更丰富的图像预处理实现；
3. 批量预处理的提高对模型性能没有提升。