基于光照感知深度神经网络的多光谱数据融合行人检测
计算机视觉与模式识别
2018-02-28 v1
摘要
多光谱行人检测近年来作为促进全天候应用（如安全监控与自动驾驶）中鲁棒人体目标检测的一种有前景的方案，受到了广泛关注。在本文中，我们证明多光谱图像中编码的光照信息可被用于显著提升行人检测性能。提出了一种新颖的光照感知加权机制，以准确刻画场景的光照条件。该光照信息被融入双流深度卷积神经网络，以在不同光照条件（白天与夜间）下学习多光谱人体相关特征。此外，我们利用光照信息与多光谱数据生成更精确的语义分割，用于提升行人检测精度。综合上述，我们提出了一种基于光照感知行人检测与语义分割多任务学习的强大多光谱行人检测框架。我们提出的方法使用精心设计的多任务损失函数端到端训练，并在 KAIST 多光谱行人数据集上优于当前最优方法。
引用
@article{arxiv.1802.09972,
title = {Fusion of Multispectral Data Through Illumination-aware Deep Neural Networks for Pedestrian Detection},
author = {Dayan Guan and Yanpeng Cao and Jun Liang and Yanlong Cao and Michael Ying Yang},
journal= {arXiv preprint arXiv:1802.09972},
year = {2018}
}