抵御人群遮挡与困难负样本的自然场景行人检测
计算机视觉与模式识别
2020-06-29 v2
摘要
由于广泛应用,行人检测在过去十年中被深入研究。尽管取得了渐进式进展,人群遮挡与困难负样本仍对当前最优行人检测器构成挑战。本文基于通用基于区域的检测框架提出两种方法以应对这些挑战。具体地,针对遮挡,我们设计了一种新颖的库仑损失作为边界框回归的调节项,其中候选框被其目标实例吸引、被相邻非目标实例排斥。针对困难负样本,我们提出一种高效的语义驱动锚点位置选择策略,可在训练阶段采样信息丰富的负例以精炼分类。值得注意的是,这些方法也可应用于通用目标检测领域,且能以端到端方式训练。我们在 Caltech-USA 与 CityPersons 基准上取得了持续的高性能。
引用
@article{arxiv.2005.07344,
title = {Resisting Crowd Occlusion and Hard Negatives for Pedestrian Detection in the Wild},
author = {Zhe Wang and Jun Wang and Yezhou Yang},
journal= {arXiv preprint arXiv:2005.07344},
year = {2020}
}
备注
10 pages, 6 figures