通过同时检测与分割照亮行人
计算机视觉与模式识别
2017-06-28 v1
摘要
行人检测是计算机视觉中的一个关键问题，对城市自动驾驶的安全性有重大影响。在这项工作中，我们探索了如何利用语义分割来提升行人检测精度，同时对网络效率影响极小甚至没有影响。我们提出了一种分割注入网络，以实现对语义分割和行人检测的联合监督。当放置得当时，额外的监督有助于引导共享层中的特征变得更加精细，并对下游的行人检测器更有帮助。使用这种方法，我们发现弱标注的边界框足以带来显著的性能提升。我们提供了深入的分析，以展示分割监督如何塑造共享层。通过这样做，我们表明生成的特征图在语义上变得更有意义，并且对形状和遮挡具有鲁棒性。总体而言，我们的同时检测与分割框架在Caltech行人数据集上取得了相较于最先进方法的显著提升，在KITTI上取得了有竞争力的性能，并且执行速度比竞争方法快2倍。
引用
@article{arxiv.1706.08564,
title = {Illuminating Pedestrians via Simultaneous Detection & Segmentation},
author = {Garrick Brazil and Xi Yin and Xiaoming Liu},
journal= {arXiv preprint arXiv:1706.08564},
year = {2017}
}