0、前言

人体属性识别，是一个典型的多标签分类场景。每个人体有多个标签，如年龄、性别、衣着颜色等，而每个属性又有多种类别，如年龄分儿童青年老人、性别分男女、颜色分红绿青蓝紫...

本文提供了一个网络结构来执行这种任务。

1、网络结构

如图所示，网络接受一个批量的图像，经过backbone（骨干网络，可以是当前已开源的各种网络，如ResNet、EfficientNet、RepVGG等）提取特征，然后将此特征送入后续多个heads，每个head代表一个属性（性别、年龄等）的分类器（使用线性层构建），最后每个head即可输出在该属性上各个类别的概率（如性别head输出[女性概率，男性概率]）：