Beta R-CNN：从另一视角审视行人检测
计算机视觉与模式识别
2022-10-25 v1
摘要
近年来行人检测取得了显著进展，但在遮挡和拥挤场景中实现高性能仍具挑战。这主要归因于广泛使用的行人表示方式，即二维轴对齐边界框，其仅描述目标的近似位置与尺寸。边界框将目标建模为边界内的均匀分布，由于噪声过多，使得遮挡和拥挤场景中的行人难以区分。为消除该问题，我们提出一种基于二维 beta 分布的新型表示，称为 Beta 表示。它通过显式构建全身框与可见框之间的关系来刻画行人，并通过为像素分配不同概率值来强调视觉质量中心。因此，结合名为 BetaNMS 的新非极大抑制（NMS）策略，Beta 表示能更好地区分拥挤场景中高度重叠的实例。此外，为充分利用 Beta 表示，我们提出了配备 BetaHead 与 BetaMask 的新型流程 Beta R-CNN，从而在遮挡和拥挤场景中取得高检测性能。
引用
@article{arxiv.2210.12758,
title = {Beta R-CNN: Looking into Pedestrian Detection from Another Perspective},
author = {Zixuan Xu and Banghuai Li and Ye Yuan and Anhong Dang},
journal= {arXiv preprint arXiv:2210.12758},
year = {2022}
}
备注
NeurIPS 2020