SAM-RCNN：基于尺度感知多分辨率多通道的行人检测
计算机视觉与模式识别
2020-05-12 v1
摘要
卷积神经网络（CNN）凭借其强大的特征表示能力，使行人检测取得了显著进展。近来，聚合CNN多层特征被视为一种有效方法，然而，该方法对尺度各异的行人采用相同的特征表示方式。因此，无法保证针对特定尺度行人的特征表示是最优的。本文提出一种用于行人检测的尺度感知多分辨率（SAM）方法，可根据行人尺寸自适应地选择多分辨率卷积特征。所提SAM方法能够提取具有强表示能力且具备充足特征分辨率的合适CNN特征，给定由区域提议网络输出的行人候选尺寸。此外，我们提出一种增强的SAM方法，称为SAM+，其融合了互补特征通道并进一步提升了性能。在具有挑战性的Caltech与KITTI行人基准上的评估证明了我们所提方法的优越性。
引用
@article{arxiv.1808.02246,
title = {SAM-RCNN: Scale-Aware Multi-Resolution Multi-Channel Pedestrian Detection},
author = {Tianrui Liu and Mohamed Elmikaty and Tania Stathaki},
journal= {arXiv preprint arXiv:1808.02246},
year = {2020}
}
备注
published in British Machine Vision Conference (BMVC) 2018