DPDnet：一种基于深度学习与顶视深度相机的鲁棒行人检测器
计算机视觉与模式识别
2020-06-02 v1 机器学习
摘要
本文提出一种基于深度学习的方法，可从单张顶视深度图像中以高可靠性检测多人。我们的神经网络称为 DPDnet，基于两个基于残差层的全卷积编码器-解码器神经模块。主模块以深度图像为输入并生成逐像素置信图，其中图像中每个被检测的人由类高斯分布表示。精炼模块结合深度图像与主模块的输出，以精炼置信图。两个模块同时使用深度图像与头部位置标签端到端联合训练。实验工作表明，DPDNet 在三个不同公开数据集上以大于 99% 的准确率优于当前最优（SOTA）方法，且无需重新训练或微调。此外，我们方案的计算复杂度与场景中人数无关，并使用常规 GPU 实时运行。
引用
@article{arxiv.2006.01053,
title = {DPDnet: A Robust People Detector using Deep Learning with an Overhead Depth Camera},
author = {David Fuentes-Jimenez and Roberto Martin-Lopez and Cristina Losada-Gutierrez and David Casillas-Perez and Javier Macias-Guarasa and Daniel Pizarro and Carlos A. Luna},
journal= {arXiv preprint arXiv:2006.01053},
year = {2020}
}