CrowdHuman：一种面向拥挤场景人体检测的基准
计算机视觉与模式识别
2018-05-02 v1
摘要
近年来人体检测取得了令人瞩目的进展。然而，在高度拥挤环境中检测人体时的遮挡问题远未解决。更糟糕的是，当前人体检测基准中拥挤场景仍代表性不足。本文引入一个名为CrowdHuman的新数据集，以更好地评估拥挤场景下的检测器。CrowdHuman数据集规模大、标注丰富且多样性高。训练与验证子集共有470K个人体实例，每图约22.6人，数据集中含有各类遮挡。每个人体实例均标注了头部边界框、人体可见区域边界框和人体全身边界框。给出了最先进检测框架在CrowdHuman上的基线性能。CrowdHuman数据集的跨数据集泛化结果表明，在无需额外技巧的情况下，于包括Caltech-USA、CityPersons和Brainwash在内的先前数据集上取得了最先进性能。我们希望我们的数据集能作为坚实基线，并助力未来人体检测任务的研究。
引用
@article{arxiv.1805.00123,
title = {CrowdHuman: A Benchmark for Detecting Human in a Crowd},
author = {Shuai Shao and Zijian Zhao and Boxun Li and Tete Xiao and Gang Yu and Xiangyu Zhang and Jian Sun},
journal= {arXiv preprint arXiv:1805.00123},
year = {2018}
}