F2DNet：用于行人检测的快速焦点检测网络
计算机视觉与模式识别
2022-09-26 v2
摘要
两阶段检测器在目标检测以及行人检测中均为最先进水平。然而，当前的两阶段检测器效率低下，因为它们在多个步骤（即在区域提议网络和边界框头中）进行边界框回归。此外，基于锚点的区域提议网络训练计算开销大。我们提出 F2DNet，一种新颖的两阶段检测架构，它通过以我们的焦点检测网络替换区域提议网络、以我们的快速抑制头替换边界框头，消除了当前两阶段检测器的冗余。我们在顶级行人检测数据集上对 F2DNet 进行基准测试，将其与现有最先进检测器进行详尽比较，并进行跨数据集评估以检验我们的模型对未见数据的泛化能力。我们的 F2DNet 在 City Persons、Caltech Pedestrian 和 Euro City Person 数据集上分别取得 8.7%、2.2% 和 6.1% 的 MR-2（在单一数据集上训练时），并在使用渐进微调时于 Caltech Pedestrian 和 City Persons 数据集的严重遮挡设定下分别达到 20.4% 和 26.2% 的 MR-2。此外，与当前最先进技术相比，F2DNet 的推理时间显著更短。代码和训练好的模型将发布于 https://github.com/AbdulHannanKhan/F2DNet。
引用
@article{arxiv.2203.02331,
title = {F2DNet: Fast Focal Detection Network for Pedestrian Detection},
author = {Abdul Hannan Khan and Mohsin Munir and Ludger van Elst and Andreas Dengel},
journal= {arXiv preprint arXiv:2203.02331},
year = {2022}
}
备注
Accepted at ICPR 2022