安装依赖

conda create -n human_attribute_onnx python=3.10.15
conda activate human_attribute_onnx
pip install -r requirements.txt

使用步骤

python demo.py

预测结果

• 性别：男、女
• 年龄：小于18、18-60、大于60
• 朝向：朝前、朝后、侧面
• 配饰：眼镜、帽子、无
• 正面持物：是、否
• 包：双肩包、单肩包、手提包
• 上衣风格：带条纹、带logo、带格子、拼接风格
• 下装风格：带条纹、带图案
• 短袖上衣：是、否
• 长袖上衣：是、否
• 长外套：是、否
• 长裤：是、否
• 短裤：是、否
• 短裙&裙子：是、否
• 穿靴：是、否

调研

行人属性识别其实是一个多标签图像分类问题

本工程参考：https://blog.csdn.net/weixin_43945848/article/details/128565601 https://gitcode.com/gh_mirrors/pa/Paddle2ONNX/overview?utm_source=highlight_word_gitcode&word=paddle2onnx&isLogin=1 https://github.com/PaddlePaddle/PaddleClas

算法一：APTM(ACM MM 2023): https://github.com/Shuyu-XJTU/APTM

无onnx相关代码，有训练步骤

算法二：Label2Label(ECCV2022)：https://github.com/Li-Wanhua/Label2Label

无evaluation.py、onnx相关代码，有训练步骤，无可视化

算法三：VTFPAR++：https://github.com/Event-AHU/OpenPAR/tree/main/VTFPAR%2B%2B

有demo演示，有训练过程

算法四：PromptPAR：https://github.com/Event-AHU/OpenPAR/tree/main/PromptPAR

无demo

算法五：mambaPAR：https://github.com/EventAHU/OpenPAR/tree/main/MambaPAR_Empirical_Study

无测试代码，mamba不好搞

算法六：SequencePAR：https://github.com/Event-AHU/OpenPAR/tree/main/SequencePAR

无demo