BriefGPT - AI 论文速递
·
GaitFormer: 学习具有噪声多任务学习的步态表示
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了使用步态分析进行人员身份识别和行人属性识别的方法，提出了DenseGait数据集和GaitFormer模型，并在CASIA-B和FVG数据集上取得了较高的准确率。该方法能够准确识别性别信息和多种外貌属性。
🎯
关键要点
- 使用步态分析进行人员身份识别和行人属性识别。
- 提出了DenseGait数据集和基于Transformer的GaitFormer模型。
- 在CASIA-B和FVG数据集上分别取得了92.5%和85.33%的准确率。
- 相比于类似方法，准确率提高了14.2%和9.67%。
- 能够准确识别性别信息和多种外貌属性。
🏷️
标签
➡️
