买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门市美亚柏科信息安全研究所有限公司

摘要：本发明提出了一种注意力机制正则化的行人属性识别方法和系统，包括将ViT网络作为行人属性识别的主干网络，通过TransformerEncoding编码层对输入的图像进行编码并提取特征f；将特征f发送到attributeclassification属性分类层并利用BCELoss损失函数进行处理；将2D序列的特征f转换成4D的特征张量，对特征f进行特征扰动并得到扰动后预测识别的属性；比较扰动前原始预测识别的属性和扰动后预测识别的属性，计算注意力机制对最终预测的实际影响，利用BCELoss损失函数优化注意力机制对最终预测的实际影响，将预测的属性标签和实际的属性标签进行对齐使得损失最小化。本发明通过因果推理重新审视行人属性识别的注意力机制改进质量，并提供直接的监督约束力，减轻错误注意影响，培养更有效的注意机制。

主权项：1.一种注意力机制正则化的行人属性识别方法，其特征在于，包括：S1:将ViT网络作为行人属性识别的主干网络，通过12个TransformerEncoding编码层对输入的图像进行编码并提取特征f；S2:将所述特征f发送到attributeclassification属性分类层并利用BCELoss损失函数进行处理；S3:将2D序列的所述特征f转换成4D的特征张量，对所述特征f进行特征扰动并得到扰动后预测识别的属性；S4:比较扰动前原始预测识别的属性和扰动后预测识别的属性，计算注意力机制对最终预测的实际影响，计算公式如下： 其中，YAAR表示注意力机制对属性识别预测的影响，y^FF表示原始预测识别的属性，表示扰动后预测识别的属性,表示注意力机制对属性识别预测的影响，R表示对特征f施加的扰动，X表示识别的图像，A表示学习到的注意力机制；S5:利用BCELoss损失函数优化所述注意力机制对最终预测的实际影响，将预测的属性标签和实际的属性标签进行对齐并使得损失最小化；计算公式如下： 其中，表示BCELoss损失函数，yi,j表示属性标签，表示属性分类输出的预测概率，YAAR表示注意力机制对属性识别预测的影响，表示原始预测识别的属性，表示扰动后预测识别的属性。

全文数据：

权利要求：

百度查询： 厦门市美亚柏科信息安全研究所有限公司 一种注意力机制正则化的行人属性识别方法和系统