用于头部与人联合检测的关系学习
计算机视觉与模式识别
2019-09-25 v1
摘要
随着深度卷积神经网络的发展，头部检测和人体检测得到了快速提升。然而，这两个任务常被分开研究，未考虑其内在关联，导致 1）头部检测常陷入更多误检，以及 2）人体检测器的性能在拥挤场景中频繁急剧下降。为处理这两个问题，我们提出一种新颖的头部与人联合检测网络，即 JointDet，其有效地同时检测头部和人体。此外，我们设计了一个头-体关系判别模块来执行头部与人体之间的关系学习，并利用该学习到的关系来找回被抑制的人体检测并减少头部误检。为验证所提方法的有效性，我们标注了 CityPersons 和 Caltech-USA 数据集的头部边界框，并在 CrowdHuman、CityPersons 和 Caltech-USA 数据集上进行了广泛实验。结果表明，所提 JointDet 检测器在这三个基准上达到了最先进的性能。为促进对头部与人检测问题的进一步研究，所有新标注、源代码和训练好的模型将公开。
引用
@article{arxiv.1909.10674,
title = {Relational Learning for Joint Head and Human Detection},
author = {Cheng Chi and Shifeng Zhang and Junliang Xing and Zhen Lei and Stan Z. Li and Xudong Zou},
journal= {arXiv preprint arXiv:1909.10674},
year = {2019}
}