基于非极大值抑制的全景图像行人检测改进
计算机视觉与模式识别
2019-03-26 v4
摘要
我们提出一种全景图像上的行人检测器，一种生成行人最小外接矩形的精确方法。基本思想是调整基于卷积神经网络的方法（即YOLOv2）在鱼眼图像上的定性检测性能。我们的方法设计借鉴了最先进目标检测器及图像与其感兴趣区域高度重叠的思路。该重叠减少了漏检数量。基于检测器的原始边界框，我们通过三种方法微调重叠边界框：非极大值抑制、软非极大值抑制以及带高斯平滑的软非极大值抑制。评估在PIROPO数据库和自建标注的Flat数据集上进行，并补充了全景图像上的边界框。我们在PIROPO上以YOLOv2对person类达到64.4%的平均精度，在Flat上达到77.6%。为此我们微调了带高斯平滑的软非极大值抑制。
引用
@article{arxiv.1805.08503,
title = {Improved Person Detection on Omnidirectional Images with Non-maxima Suppression},
author = {Roman Seidel and André Apitzsch and Gangolf Hirtz},
journal= {arXiv preprint arXiv:1805.08503},
year = {2019}
}
备注
8 pages, VISAPP 2019