基于深度卷积生成对抗网络与单发多框检测器的野外远距离行人检测
计算机视觉与模式识别
2019-06-02 v1
摘要
在本工作中，我们考察了将深度卷积生成对抗网络（DCGANs）与单发多框检测器（SSD）作为数据处理技术应用于应对野外行人检测挑战的可行性。具体而言，我们尝试使用图像补全（掩蔽图像的一部分）来生成带有缺失部分的图像的随机变换，以扩充现有的标注数据集。在我们的工作中，GAN 已在低分辨率图像上进行了密集训练，以克服野外行人检测的挑战，并将行人及少数其他类别视为智慧城市中的检测目标。通过联合训练 GAN 模型与 SSD 所进行的物体检测器实验，在结果上带来了显著提升。该方法对当前基于 GAN 网络进行物体检测的技术现状提供了一个非常有趣的概览。我们使用加拿大高等研究院（CIFAR）、Caltech、KITTI 数据集在不同分辨率下训练和测试网络，并展示了 DCGAN 级联 SSD 与单独 SSD 的对比实验结果。
引用
@article{arxiv.1905.12759,
title = {Distant Pedestrian Detection in the Wild using Single Shot Detector with Deep Convolutional Generative Adversarial Networks},
author = {Ranjith Dinakaran and Philip Easom and Li Zhang and Ahmed Bouridane and Richard Jiang and Eran Edirisinghe},
journal= {arXiv preprint arXiv:1905.12759},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1711.08174, arXiv:1511.06434, arXiv:1706.05274 by other authors