基于代表区域的 NMS：通过候选框配对实现拥挤行人检测
计算机视觉与模式识别
2020-04-22 v2
摘要
尽管近期行人检测已取得显著进展，但拥挤场景下的行人检测仍具挑战。行人之间的严重遮挡给标准非极大值抑制（NMS）带来巨大挑战。较低的交并比（IoU）阈值会导致高度重叠的行人被漏检，而较高的阈值则会引入大量误检。为避免此类困境，本文提出一种新颖的代表区域 NMS 方法，利用遮挡较少的可见部分，有效去除冗余框而不引入许多误检。为获取可见部分，提出一种新颖的配对框模型（PBM）来同时预测行人的完整框与可见框。完整框与可见框构成一个配对，作为模型的样本单元，从而保障两框在整个检测流程中的强对应。此外，两框的便捷特征融合可提升完整与可见行人检测任务的性能。在具挑战性的 CrowdHuman 与 CityPersons 基准上的实验充分验证了所提方法在拥挤情形下行人检测的有效性。
引用
@article{arxiv.2003.12729,
title = {NMS by Representative Region: Towards Crowded Pedestrian Detection by Proposal Pairing},
author = {Xin Huang and Zheng Ge and Zequn Jie and Osamu Yoshie},
journal= {arXiv preprint arXiv:2003.12729},
year = {2020}
}
备注
Accepted by CVPR2020. The first two authors contributed equally, and are listed in alphabetical order