基于特征细化网络与级联多尺度架构的头部检测
计算机视觉与模式识别
2018-11-27 v4
摘要
本文提出了一种能够在室内场景下准确检测头部，尤其是小头部的方法。为此，我们提出了一种新方法——特征细化网络 (FRN) 以及一种级联多尺度架构。FRN 利用深度卷积神经网络生成的多尺度分层特征。所提出的通道加权方法使 FRN 能够交替且有效地利用特征。为了提高小头部检测的性能，我们提出了一种具有两个检测器的级联多尺度架构。一个称为全局检测器，负责检测大目标并获取全局分布信息。另一个称为局部检测器，专为小目标检测而设计，并利用全局检测器提供的信息。由于缺乏头部检测数据集，我们收集并标注了一个名为 SCUT-HEAD 的大型新数据集，该数据集包含 4405 张图像，标注了 111251 个头部。实验表明，我们的方法在 SCUT-HEAD 上取得了 SOTA 性能。
引用
@article{arxiv.1803.09256,
title = {Detecting Heads using Feature Refine Net and Cascaded Multi-Scale Architecture},
author = {Dezhi Peng and Zikai Sun and Zirong Chen and Zirui Cai and Lele Xie and Lianwen Jin},
journal= {arXiv preprint arXiv:1803.09256},
year = {2018}
}