基于门控多层特征提取与可变形遮挡处理的耦合网络用于鲁棒行人检测
计算机视觉与模式识别
2020-11-06 v1
摘要
随着深度卷积神经网络的发展，行人检测方法得到了显著改进。然而，检测小尺度行人和被遮挡行人仍然是一个具有挑战性的问题。在本文中，我们提出了一种采用耦合网络（couple-network）的行人检测方法，以同时解决这两个问题。其中一个子网络，即门控多层特征提取子网络，旨在自适应地生成判别性特征用于行人候选框，从而鲁棒地检测尺度变化较大的行人。第二个子网络通过使用可变形区域 RoI-pooling 来处理行人检测中的遮挡问题。我们研究了门控子网络的两种不同门单元，即通道门单元和空间门单元，它们可以分别在通道维度上或跨越空间域重复地增强区域卷积特征的表示能力。消融实验验证了所提出的门控多层特征提取子网络和可变形遮挡处理子网络的有效性。借助该耦合框架，我们提出的行人检测器在 Caltech 和 CityPersons 行人检测基准上取得了最先进（state-of-the-art）的结果。
引用
@article{arxiv.1912.08661,
title = {Coupled Network for Robust Pedestrian Detection with Gated Multi-Layer Feature Extraction and Deformable Occlusion Handling},
author = {Tianrui Liu and Wenhan Luo and Lin Ma and Jun-Jie Huang and Tania Stathaki and Tianhong Dai},
journal= {arXiv preprint arXiv:1912.08661},
year = {2020}
}