CityPersons：一个用于行人检测的多样化数据集
计算机视觉与模式识别
2017-02-21 v1
摘要
卷积网络近年来在行人检测上取得了显著进展，但关于合适的架构和训练数据仍存在开放问题。我们重新审视CNN设计并指出关键调整，使得普通FasterRCNN能在Caltech数据集上获得最先进的结果。为了从更多更好的数据中实现进一步改进，我们引入了CityPersons，即基于Cityscapes数据集的一组新的人体标注。CityPersons的多样性使我们首次能够训练一个在多个基准上泛化良好的单一CNN模型。此外，通过利用CityPersons的额外训练，我们使用FasterRCNN在Caltech上获得了顶尖结果，尤其改善了更困难的情况（严重遮挡和小尺度）并提供了更高的定位质量。
关键词
引用
@article{arxiv.1702.05693,
title = {CityPersons: A Diverse Dataset for Pedestrian Detection},
author = {Shanshan Zhang and Rodrigo Benenson and Bernt Schiele},
journal= {arXiv preprint arXiv:1702.05693},
year = {2017}
}