期刊简介
本刊是全国生物医学工程工作人才沟通学术思想、交流学术经验的园地。报道有创造性的最新科研论文和研究简讯。包括学科有：人工器官和生物医用材料，生物效应，生物信息与控制；生物力学；生物医学仪器；中医工程；临床工程等。读者对象是国内外生物医学工程学工作者、医务工作者以及其他从事自然科学研究和有关工程技术人员。
往期目录
-
1994
-
1998
-
1999
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
首页>中国生物医学工程学报杂志
- 杂志名称：中国生物医学工程学报杂志
- 主管单位：中国科学技术协会
- 主办单位：中国生物医学工程学会
- 国际刊号：0258-8021
- 国内刊号：11-2057/R
- 出版周期：双月刊
期刊荣誉：中国期刊全文数据库(CJFD)期刊收录：医学文摘, 万方收录(中), 统计源核心期刊(中国科技论文核心期刊), CSCD 中国科学引文数据库来源期刊(含扩展版), 文摘与引文数据库, 国家图书馆馆藏, 维普收录(中), 上海图书馆馆藏, SA 科学文摘(英), JST 日本科学技术振兴机构数据库(日), CA 化学文摘(美), 北大核心期刊(中国人文社会科学核心期刊), 知网收录(中)
基于深度学习的行人属性多标签识别
李亚鹏；万遂人
关键词：深度学习, 行人属性, 多标签识别
摘要：行人属性通常指的是行人的一些可被观察到的外部特征,如性别、年龄、服饰、携带品等.作为行人外部的软生物特征,行人属性对于行人检测和再识别是非常重要的,并且在智能视频监控场景和基于视频的商业智能应用中显示出巨大的潜力.在目前的行人属性多标签分类识别中,主要有基于手工设计特征的方法和基于深度学习的方法.然而,手工设计特征的方法难以应对复杂的真实视频监控场景,在实际应用中取得的效果并不是很理想.采用深度卷积网络模型,包含3个卷积层和2个全连接层,使用Sigmoid交叉熵损失函数,训练平台为Caffe深度学习框架,通过在包含19 000张行人图片的PETA数据集上对10种行人属性进行训练和测试,得到85.2％的平均识别精度.加入正样本比例指数因子改进损失函数后,平均识别精度达到89.2％,使网络性能有明显的提高.
友情链接