用于行人检测的尺度感知快速R-CNN
计算机视觉与模式识别
2016-06-28 v3
摘要
在这项工作中，我们考虑自然场景中的行人检测问题。直观上，具有不同空间尺度的行人实例可能表现出显著不同的特征。因此，实例尺度的巨大方差会导致特征中不必要的大的类内方差，可能严重损害现代目标实例检测方法的性能。我们认为，这一问题可以通过分而治之的思想得到实质性缓解。以行人检测为例，我们阐释了如何利用这一思想来开发尺度感知快速R-CNN（SAF R-CNN）框架。该模型引入了多个内置子网络，用于检测来自不相交尺度范围的行人。然后，所有子网络的输出通过定义在目标提议大小上的门函数自适应地组合，生成对实例尺度大方差具有鲁棒性的最终检测结果。在几个具有挑战性的行人检测数据集上的广泛评估很好地证明了所提出的SAF R-CNN的有效性。特别地，我们的方法在Caltech、INRIA和ETH上达到了最先进的性能，并在KITTI上获得了有竞争力的结果。
引用
@article{arxiv.1510.08160,
title = {Scale-aware Fast R-CNN for Pedestrian Detection},
author = {Jianan Li and Xiaodan Liang and ShengMei Shen and Tingfa Xu and Jiashi Feng and Shuicheng Yan},
journal= {arXiv preprint arXiv:1510.08160},
year = {2016}
}