GFD-SSD：用于多光谱行人检测的门控融合双SSD
计算机视觉与模式识别
2019-03-25 v2 机器学习
图像与视频处理
摘要
行人检测是自动驾驶研究中的一项基本任务。除典型的彩色图像外，热图像有助于在暗光环境下的检测。因此，探索一种同时利用彩色与热图像优势的综合方法值得一试。在本文中，我们提出一种利用深度神经网络(DNN)融合彩色与热传感器的新方法。当前最优的DNN目标检测器从两阶段到单阶段机制不一。两阶段检测器如Faster-RCNN精度更高，而单阶段检测器如单发多框检测器(SSD)速度更快。为平衡此权衡，尤其考虑到自动驾驶应用，我们研究了一种融合策略，将基于彩色与热输入的两个SSD相结合。传统融合方法堆叠各通道选定特征并调整其权重。在本文中，我们提出两种新颖门控融合单元(GFU)的变体，学习由两个SSD中间层生成的特征图的组合。利用GFU作用于整个特征金字塔结构，我们提出了堆叠融合与门控融合的若干混合版本。实验在KAIST多光谱行人检测数据集上进行。我们的门控融合双SSD(GFD-SSD)优于堆叠融合，在基准测试中取得最低漏检率，且推理速度是基于Faster-RCNN的融合网络的两倍。
引用
@article{arxiv.1903.06999,
title = {GFD-SSD: Gated Fusion Double SSD for Multispectral Pedestrian Detection},
author = {Yang Zheng and Izzat H. Izzat and Shahrzad Ziaee},
journal= {arXiv preprint arXiv:1903.06999},
year = {2019}
}
备注
10 pages, 5 figures