通过监督视角贡献加权实现大场景中的多视角行人检测
计算机视觉与模式识别
2024-05-31 v1
摘要
近年来基于深度学习的多视角行人检测（MVD）方法在现有数据集上取得了令人瞩目的成果。然而，当前方法主要在小规模、单一场景上训练和评估，这些场景的多视角帧数有限且相机视角固定。因此，这些方法在存在严重遮挡和相机标定误差的更大、更复杂场景中可能不实用。本文通过开发一种监督视角贡献加权方法，更好地融合大场景下的多相机信息，从而改进多视角行人检测。此外，采用大规模合成数据集来增强模型的泛化能力，并实现更实际的评估和比较。通过简单的领域自适应技术，进一步提高了模型在新测试场景上的性能。实验结果证明了我们的方法在实现有前景的跨场景多视角行人检测方面的有效性。代码见：https://vcc.tech/research/2024/MVD。
引用
@article{arxiv.2405.19943,
title = {Multi-View People Detection in Large Scenes via Supervised View-Wise Contribution Weighting},
author = {Qi Zhang and Yunfei Gong and Daijie Chen and Antoni B. Chan and Hui Huang},
journal= {arXiv preprint arXiv:2405.19943},
year = {2024}
}
备注
AAAI 2024