用于鲁棒行人检测的弱监督数据集收集
计算机视觉与模式识别
2020-05-04 v2
摘要
为构建可提供鲁棒行人检测的算法，我们提出一个以弱监督方式生成、包含超 800 万张图像的数据集。通过耗费人力的人工标注，行人检测研究界已产出相对较小的、量级为 10 万张图像的数据集，如包含 24 万个边界框的 EuroCity Persons 数据集。因此，我们基于两步收集流程——即利用现有检测器进行行人检测与为假阳性抑制进行数据精炼——收集了 870 万张行人图像。实验结果表明，弱监督行人数据集（WSPD）简单却对行人检测预训练有效。在预训练行人检测算法语境下，经我们的 WSPD 预训练模型在 Caltech Pedestrian 上验证时，比在相同全监督 ImageNet 与 EuroCity Persons 数据集上训练的模型准确率分别高 13.38% 与 6.38%。
引用
@article{arxiv.2003.12263,
title = {Weakly Supervised Dataset Collection for Robust Person Detection},
author = {Munetaka Minoguchi and Ken Okayama and Yutaka Satoh and Hirokatsu Kataoka},
journal= {arXiv preprint arXiv:2003.12263},
year = {2020}
}
备注
Project page: https://github.com/cvpaperchallenge/FashionCultureDataBase_DLoader The paper is under consideration at Pattern Recognition Letters