深入审视行人检测
计算机视觉与模式识别
2015-01-26 v1
摘要
本文研究了卷积神经网络 (convnets) 在行人检测任务中的应用。尽管 convnets 近期取得了多样化的成功，但历史上其表现不如其他行人检测器。我们刻意避免将问题显式地建模到网络中（例如部件或遮挡建模），并表明无需特殊技巧即可达到具有竞争力的性能。在广泛的实验中，我们分析了小型和大型 convnets、其架构选择、参数以及不同训练数据的影响，包括在代理任务上的预训练。我们提出了在 Caltech 和 KITTI 数据集上表现最佳的 convnets 检测器。在 Caltech 数据集上，我们的 convnets 在 Caltech1x 和 Caltech10x 训练设置下均达到了顶尖性能。利用额外的训练数据，我们最强的 convnets 模型甚至与那些在测试时使用额外数据（光流）的检测器具有竞争力。
引用
@article{arxiv.1501.05790,
title = {Taking a Deeper Look at Pedestrians},
author = {Jan Hosang and Mohamed Omran and Rodrigo Benenson and Bernt Schiele},
journal= {arXiv preprint arXiv:1501.05790},
year = {2015}
}