Raftnet：提取任务感知功能，用于行人属性识别

行人属性识别是一个多任务问题，是计算机视觉中的一项流行任务。 通常，深度学习端到端网络来预测属性是解决此问题的基本方法。 为了充分利用深度神经网络，本文提出了一种新颖的网络结构，称为筏块。 筏块不仅可以提取特定于任务的功能，还可以共享不同任务的功能。 使用筏块，我们构建了一个用于行人属性识别的端到端网络Raftnet。 我们在三个公共数据集上进行了实验，结果证明了筏板的设计思想是有效和有效的。 具体而言，我们在Market-1501和DukeMTMC数据集上的平均准确度达到了85.64％和82.79％，在PA-100K数据集上的mAP达到了72.53％的mAP竞争结果。