基于自回归网络阶段级联的行人检测
计算机视觉与模式识别
2018-12-04 v1
摘要
我们提出一种带有级联阶段的自回归行人检测框架，旨在逐步提升精度。该框架利用一种新颖的轻量级可堆叠编解码模块，其使用卷积重采样层来改进特征，同时保持高效的内存与运行开销。与以往的级联检测系统不同，我们提出的框架设计在区域提议网络之内，因此相较于独立处理的 RoI 系统保留了更多邻近检测的背景信息。我们通过为连续各阶段分配严格的标注策略来显式地促进精度水平的递增，使得早期阶段主要发展以实现高召回率为目标的特征，后期则聚焦于准确的精度。结果，最终的特征图形成了从独特行人质心发出的更尖锐的径向梯度。使用我们提出的自回归框架在 Caltech 行人数据集的合理与遮挡设定上取得了新的最优性能，并在 KITTI 数据集上取得了有竞争力的前沿性能。
引用
@article{arxiv.1812.00440,
title = {Pedestrian Detection with Autoregressive Network Phases},
author = {Garrick Brazil and Xiaoming Liu},
journal= {arXiv preprint arXiv:1812.00440},
year = {2018}
}