利用空间池化特征增强行人检测的有效性

我们提出了一种简单而有效的行人检测方法，其性能优于当前最先进的方法。我们的新特征建立在低级视觉特征和空间池化的基础上。引入空间池化提高了平移不变性，从而增强了检测过程的鲁棒性。然后我们直接优化ROC曲线下的部分面积（\pAUC）度量，该度量将检测性能集中在最实际重要的范围内。这些因素的结合使得我们的行人检测器在所有标准基准数据集上均优于所有竞争对手。我们在INRIA基准上将平均漏检率从$13\%$降低到$11\%$，在ETH基准上从$41\%$降低到$37\%$，在TUD-Brussels基准上从$51\%$降低到$42\%$，在Caltech-USA基准上从$36\%$降低到$29\%$，从而推进了最先进的结果。