基于广义Haar滤波器的深度网络用于交通场景实时目标检测
计算机视觉与模式识别
2016-11-01 v1 人工智能
神经与进化计算
摘要
基于视觉的目标检测是众多交通场景应用（如自动驾驶车辆系统和高级驾驶辅助系统（ADAS））中的基本功能之一。然而，由于交通场景的多样性以及交通场景应用平台在存储、功耗和计算资源上的限制，它也是一项具有挑战性的任务。本文提出了一种基于广义Haar滤波器的深度网络，适用于交通场景中的目标检测任务。在该方法中，我们首先将一个目标检测任务分解为若干更简单的局部回归任务。然后，我们使用多个微型深度网络处理这些局部回归任务，同时输出检测对象的边界框、类别和置信度分数。为了减少存储和计算资源的消耗，深度网络的权重在训练阶段被约束为广义Haar滤波器的形式。此外，我们引入了稀疏窗口生成策略以提高算法效率。最后，我们进行了若干实验来验证所提方法的性能。实验结果表明，与当前最先进方法相比，所提方法在交通场景中既高效又有效。
引用
@article{arxiv.1610.09609,
title = {Generalized Haar Filter based Deep Networks for Real-Time Object Detection in Traffic Scene},
author = {Keyu Lu and Jian Li and Xiangjing An and Hangen He},
journal= {arXiv preprint arXiv:1610.09609},
year = {2016}
}