FCHD: 拥挤场景中快速准确的头部检测
计算机视觉与模式识别
2019-05-07 v3
摘要
本文中，我们提出 FCHD-Fully Convolutional Head Detector，一种端到端可训练的头部检测模型。我们提出的架构是一个单一的全卷积网络，负责边界框预测与分类。这使得我们的模型轻量，具有较低的推理时间与内存需求。除运行时间外，我们的模型具有更好的总体平均精度（AP），这是通过基于网络有效感受野选择锚框尺寸实现的。这可从我们在多个具有不同头部数量的头部检测数据集上的实验得出。我们在具有挑战性的头部检测数据集上取得了 0.70 的 AP，可与一些标准基准相媲美。此外，我们的模型在 Nvidia Quadro M1000M 上对 VGA 分辨率图像以 5 FPS 运行。代码可在 https://github.com/aditya-vora/FCHD-Fully-Convolutional-Head-Detector 获取。
引用
@article{arxiv.1809.08766,
title = {FCHD: Fast and accurate head detection in crowded scenes},
author = {Aditya Vora and Vinay Chilaka},
journal= {arXiv preprint arXiv:1809.08766},
year = {2019}
}
备注
5 pages, 4 figures, accepted for publication at International Conference on Image Processing, 2019