用于行人检测的深度卷积神经网络
计算机视觉与模式识别
2017-04-27 v5
摘要
行人检测因其对诸多应用（尤其是汽车、监控和机器人领域）的至关重要性而成为热门研究课题。尽管取得了显著改进，行人检测仍是一项开放挑战，需要越来越精确的算法。近年来，深度学习尤其是卷积神经网络在图像分类、目标检测和分割等若干计算机视觉任务的精度上成为最优方法(state of the art)，常以大幅优势超越此前的黄金标准。本文提出一种基于深度学习的行人检测系统，将通用卷积网络适配于当前任务。通过彻底分析和优化检测流程的每一步，我们提出了一种超越传统方法的架构，其任务精度接近 state-of-the-art 方法的水平，同时所需计算时间较短。最后，我们在 NVIDIA Jetson TK1（一个 192 核平台，被视为未来自动驾驶汽车的先驱计算大脑）上测试了该系统。
引用
@article{arxiv.1510.03608,
title = {Deep convolutional neural networks for pedestrian detection},
author = {Denis Tomè and Federico Monti and Luca Baroffio and Luca Bondi and Marco Tagliasacchi and Stefano Tubaro},
journal= {arXiv preprint arXiv:1510.03608},
year = {2017}
}
备注
submitted to Elsevier Signal Processing: Image Communication special Issue on Deep Learning