1.基于正反卷积和多层分支深度网络的行人属性识别方法，其特征在于包括如下步骤：
s1）将所选择的行人属性都转化为多个二分类属性；
对于m种行人属性，每种属性分别有
s2）构建新的网络模型
在densenet中加入正反卷积结构，对网络结构进行改进，将densenet中的瓶颈网络结构修改为正反卷积结构的basicblock结构，将bottleneck中的1×1卷积修改为3×3卷积，3×3卷积修改为3×3反卷积；
在无预训练的情况下，将网络最末尾的线性分类器改为多个二分类线性分类器，进行训练；
s3）根据需求，对训练得到的分类结果较差的属性自底向上进行分支；对分类结果仍然不理想的属性，继续自底向上的分支过程，但需保持总深度不变；
重复步骤s3），直到网络输出的各属性分类性能满足要求或无法继续分支；
s4）迁移预训练模型参数，载入imagenet预训练模型，固定特征提取参数进行训练；
s5）解除预训练模型参数的固定，进行综合微调的训练；
s6）将结果转化回需要的属性空间，将输出的
2.根据权利要求1所属的基于正反卷积和多层分支深度网络的行人属性识别方法，其特征在于：
步骤s3）中，对于densenet中的n个denseblock结构，每个denseblock有12层，自底向上进行分支，首先将最底层的denseblock改为两个结构一样的分支，分别表示为dense_blockn.1和dense_blockn.2；将步骤s2）中得到的分类结果较好的属性分类器接在dense_blockn.1后面，将结果较差的属性分类器接在dense_blockn.2后面，对调整后的网络进行训练；若dense_blockn.2分支中仍有分类结果较差的属性，则将原网络中的第n-1层的dense_block同样进行上述的分支操作，将分类效果不理想的属性分离出来，放入新的分支dense_blockn.3中，该新分支连接到第n-1层的第二个分支后面；依此类推，直到网络输出的所有属性分类性能满足要求或无法继续分支为止。