基于样本引导对比学习的行人检测
计算机视觉与模式识别
2022-07-12 v3
摘要
典型的行人检测方法侧重于处理拥挤行人间的相互遮挡，或应对行人的多尺度问题。检测具有显著外观差异（如不同行人轮廓、不同视角或不同着装）的行人仍是一项关键挑战。与多数现有方法单独学习这些多样行人外观特征不同，我们提出执行对比学习以引导特征学习：在所学特征空间中，最小化不同外观行人间的语义距离以消除外观差异，同时最大化行人与背景间的距离。为提升对比学习的效率与有效性，我们构建具有代表性行人外观的样本字典作为先验知识，以构造有效对比训练对从而引导对比学习。此外，所构建样本字典进一步用于在推理时通过度量候选框与样本字典的语义距离来评估行人候选框质量。在白天与夜间行人检测上的大量实验验证了所提方法的有效性。
引用
@article{arxiv.2111.08974,
title = {Pedestrian Detection by Exemplar-Guided Contrastive Learning},
author = {Zebin Lin and Wenjie Pei and Fanglin Chen and David Zhang and Guangming Lu},
journal= {arXiv preprint arXiv:2111.08974},
year = {2022}
}