ViS-HuD：利用视觉显著性改进基于卷积神经网络的人体检测
计算机视觉与模式识别
2018-04-19 v3
摘要
本文提出一种利用深度学习改进静态图像中人体检测的技术。我们的新方法 ViS-HuD 从图像中计算视觉显著性图，然后将输入图像与该图相乘，并将乘积送入卷积神经网络（CNN）以检测图像中的人体。视觉显著性图使用 ML-Net 生成，人体检测使用 DetectNet 完成。ML-Net 在 SALICON 上预训练，DetectNet 分别在 ImageNet 数据库上预训练以用于视觉显著性检测和图像分类。ViS-HuD 的 CNN 在两个具有挑战性的数据库——Penn Fudan 和 TUD-Brussels Benchmark 上训练。实验结果表明，所提方法在 Penn Fudan 数据集上取得了最先进的性能，人体检测准确率达 91.4%，并在 TUD-Brussels 基准上取得 53% 的平均漏检率。
引用
@article{arxiv.1803.01687,
title = {ViS-HuD: Using Visual Saliency to Improve Human Detection with Convolutional Neural Networks},
author = {Vandit Gajjar and Yash Khandhediya and Ayesha Gurnani and Viraj Mavani and Mehul S. Raval},
journal= {arXiv preprint arXiv:1803.01687},
year = {2018}
}
备注
9 Pages, 10 Figures, 2 Tables; Accepted to MBCC Workshop in Conjunction with CVPR-2018