SSA-CNN：用于行人检测的语义自注意力卷积神经网络
计算机视觉与模式识别
2019-06-07 v3
摘要
行人检测在自动驾驶等诸多应用中起着重要作用。我们提出一种方法，利用语义分割结果作为自注意力线索显著提升行人检测性能。具体地，设计了一个多任务网络，从具有弱框标注的图像数据集中联合学习语义分割与行人检测。将语义分割特征图与相应的卷积特征图拼接，为行人检测与行人分类提供更具判别力的特征。通过联合学习分割与检测，我们提出的行人自注意力机制能有效识别行人区域并抑制背景。此外，我们提出将多尺度层的语义注意力信息融入深度卷积神经网络以提升行人检测。实验结果表明，所提方法在 Caltech 数据集上以 6.27% 的 MR 取得最佳检测性能，并在 CityPersons 数据集上获得具竞争力的性能，同时保持高计算效率。
引用
@article{arxiv.1902.09080,
title = {SSA-CNN: Semantic Self-Attention CNN for Pedestrian Detection},
author = {Chengju Zhou and Meiqing Wu and Siew-Kei Lam},
journal= {arXiv preprint arXiv:1902.09080},
year = {2019}
}
备注
wrong setting in CityPersons experiments