一种应用于行人检测的基于内容的后期融合方法
计算机视觉与模式识别
2018-06-12 v1 人工智能
摘要
近年来提出的多种行人检测器促使一些工作融合行人检测器以实现更精准的检测。其直觉在于基于空间一致性组合检测器。我们提出一种称为基于内容的空间一致性(CSBC)的新方法，除依赖空间一致性外，还考虑检测窗口的内容以学习行人检测器的加权融合。结果是误报减少且检测增强。本工作中我们还证明，用于学习各检测器窗口内容的特征影响很小，这使得即便采用简单特征我们的方法也高效。CSBC 在 ETH 数据集与 Caltech 数据集上超越了 SOTA 融合方法。特别地，我们的方法更高效，因为仅需更少检测器即可取得显著结果。
引用
@article{arxiv.1806.03361,
title = {A Content-Based Late Fusion Approach Applied to Pedestrian Detection},
author = {Jessica Sena and Artur Jordao and William Robson Schwartz},
journal= {arXiv preprint arXiv:1806.03361},
year = {2018}
}