什么有助于行人检测？
计算机视觉与模式识别
2017-05-09 v1
摘要
聚合额外特征已被视为提升传统行人检测方法的有效途径。然而，关于基于 CNN 的行人检测器是否能够以及 how 从这些额外特征中受益，仍缺乏研究。本文的第一个贡献是通过将额外特征聚合到基于 CNN 的行人检测框架中来验证这一问题。通过大量实验，我们定量评估了不同种类额外特征的效果。此外，我们提出了一种新颖的网络架构，名为 HyperLearner，以联合学习行人检测以及给定的额外特征。通过多任务训练，HyperLearner 能够在推理时无需额外输入的情况下利用给定特征的信息并提升检测性能。在多个行人检测基准上的实验结果验证了所提出的 HyperLearner 的有效性。
引用
@article{arxiv.1705.02757,
title = {What Can Help Pedestrian Detection?},
author = {Jiayuan Mao and Tete Xiao and Yuning Jiang and Zhimin Cao},
journal= {arXiv preprint arXiv:1705.02757},
year = {2017}
}
备注
Accepted to IEEE International Conference on Computer Vision and Pattern Recognition (CVPR) 2017