PS-RCNN：通过主目标抑制检测拥挤场景中的次要人体实例
计算机视觉与模式识别
2020-03-17 v1 机器学习
图像与视频处理
摘要
在高度拥挤场景中检测人体是一项具有挑战性的问题。造成该问题的两个主要原因如下：1）重度遮挡实例的微弱视觉线索难以提供足够信息用于准确检测；2）重度遮挡实例更容易被非极大值抑制（NMS）抑制。为解决这两个问题，我们提出了一种称为 PS-RCNN 的两阶段检测器变体。PS-RCNN 首先通过 R-CNN 模块（称为 P-RCNN）检测轻微/无遮挡目标，随后利用人形掩码抑制已检测实例，使重度遮挡实例的特征得以凸显。此后，PS-RCNN 利用另一个专用于重度遮挡人体检测的 R-CNN 模块（称为 S-RCNN）检测 P-RCNN 遗漏的目标。最终结果为这两个 R-CNN 输出的集成。此外，我们引入高分辨率 RoI Align（HRRA）模块，以尽可能保留重度遮挡人体可见部分的细粒度特征。与基线相比，我们的 PS-RCNN 在 CrowdHuman 上分别将召回率与 AP 显著提升了 4.49% 和 2.92%。PS-RCNN 在 Widerperson 上也取得了类似的提升。
引用
@article{arxiv.2003.07080,
title = {PS-RCNN: Detecting Secondary Human Instances in a Crowd via Primary Object Suppression},
author = {Zheng Ge and Zequn Jie and Xin Huang and Rong Xu and Osamu Yoshie},
journal= {arXiv preprint arXiv:2003.07080},
year = {2020}
}
备注
6pages, accepted by ICME2020