Extracting discriminative features using task-oriented gaze maps measured from observers for personal attribute classification

ما در مورد چگونگی نمایش و استفاده از نقاط دید ناظران که تصاویر عابر پیاده را برای طبقه بندی ویژگی های شخصی می بینیم بحث می کنیم. هنگام تماشا کردن ویژگی های عابران پیاده در تصاویر، ناظران به مناطق قابل اطمینان نگاه می کنند. بنابراین، ما فرض می کنیم که مناطقی که مکان های دیدگاه ناظران خوشه ای هستند، ویژگی های تبعیض آمیز برای طبقه بندی ویژگی های شخصیتی را در بر می گیرد. روش ما به دست آوردن توزیع مکان های دید از چند ناظرس است، در حالی که آنها وظیفه دسته بندی هر ویژگی شخصی را به صورت دستی انجام می دهند. ما این توزیع را یک نقشه گشت و گذار وظیفه می نامیم. برای استخراج ویژگی های تبعیض آمیز، وزن های بزرگ را به منطقه با خوشه ای از نقاط دید در نقشه گشت و گذار اختصاص داده می شود. در آزمایش های ما، هنگام طبقه بندی هر ویژگی شخصی، ناظران به طور عمده در مناطق مختلف بدن مشاهده کردند. علاوه بر این، آزمایشات ما نشان می دهد که روش استخراج ویژگی مبتنی بر نگاه به طور قابل توجهی بهبود عملکرد طبقه بندی ویژگی های شخصی در هنگام ترکیب با شبکه عصبی کانولوشن و یا روش یادگیری متریک.