基于无监督多阶段特征学习的行人检测
计算机视觉与模式识别
2013-04-03 v2 机器学习
摘要
行人检测是一个具有相当实际意义的问题。在深度学习方法是视觉成功应用的列表中，我们报告了使用卷积网络模型在所有主要行人数据集上取得的最新水平和具有竞争力的结果。该模型采用了一些新的技巧，例如多阶段特征、跳过层以整合全局形状信息与局部独特基元信息的连接，以及一种基于卷积稀疏编码的无监督方法，用于预训练每个阶段的滤波器。
引用
@article{arxiv.1212.0142,
title = {Pedestrian Detection with Unsupervised Multi-Stage Feature Learning},
author = {Pierre Sermanet and Koray Kavukcuoglu and Soumith Chintala and Yann LeCun},
journal= {arXiv preprint arXiv:1212.0142},
year = {2013}
}
备注
12 pages