基于蛇神人体属性识别的实证研究

本研究提出了PARFormer，一个基于纯transformer的多任务行人属性识别网络，包含特征提取、处理、视点感知和属性识别模块。

PARFormer实现了竞争性的性能表现，并强调全局视角的重要性。

研究介绍了基于CLIP模型的行人属性识别方法，结合视觉和语言信息，通过多模态交互学习实现属性预测。

提出了一种基于视频帧的行人属性识别方法，使用CLIP模型进行特征提取和语言嵌入。

新方法SequencePAR利用生成模型更好地建模人体属性之间的依赖和复杂性，经过多个数据集验证了其有效性。

基于多任务学习的模型实现了车载摄像头下的行人检测和32种行人属性的识别，结果在自动驾驶领域表现出竞争力和稳定性。

研究还提出了使用张量分解对行人属性识别模型进行高效的层次压缩，以适应资源受限的嵌入式设备。

提出了一种基于元学习的方法，解决行人属性识别中的增量few-shot学习情形，实验结果显示具有竞争力的性能和低资源需求。