Fused DNN：一种用于快速鲁棒行人检测的深度神经网络融合方法
计算机视觉与模式识别
2017-05-30 v2
摘要
我们提出了一种用于快速鲁棒行人检测的深度神经网络融合架构。所提出的网络融合架构允许并行处理多个网络以提高速度。一个单次深度卷积网络被训练为目标检测器，以生成所有可能的不同尺寸和遮挡程度的行人候选。该网络输出大量多样的行人候选，以覆盖大部分真实行人，同时也引入了大量误报。接着，多个深度神经网络并行用于进一步精炼这些行人候选。我们引入了一种基于软拒绝的网络融合方法，将所有网络的软度量融合在一起，生成最终的置信度分数。我们的方法性能优于现有最优方法，尤其在检测小尺寸和遮挡行人时。此外，我们提出了一种将像素级语义分割网络集成到网络融合架构中的方法，作为对行人检测器的增强。该方法在 Caltech Pedestrian 数据集的大多数协议上超越了最优方法，在若干协议上有显著提升，且速度比其他所有方法更快。
引用
@article{arxiv.1610.03466,
title = {Fused DNN: A deep neural network fusion approach to fast and robust pedestrian detection},
author = {Xianzhi Du and Mostafa El-Khamy and Jungwon Lee and Larry S. Davis},
journal= {arXiv preprint arXiv:1610.03466},
year = {2017}
}
备注
WACV 2017