匹配哪一个？面向行人检测的一致GT-Proposal指派选择

准确的行人分类与定位因其在安全监控、自动驾驶等中的广泛应用而受到相当关注。尽管行人检测器近年取得很大进展，基于固定交并比（IoU）的指派-回归方式仍限制其性能。对此负主要责任的 two 个因素是：1）IoU阈值面临困境，较低者导致更多误检，而较高者会滤除已匹配正样本；2）基于IoU的GT-Proposal指派遭受不一致监督问题，即空间相邻且特征相似的提案被指派给不同真实框，这意味着一些极相似的提案可能被强制回归至不同目标，从而在预测位置结果时混淆边界框回归。本文中，我们首先提出\textbf{回归方向}会影响行人检测性能的问题。进而，我们通过引入一种几何敏感搜索算法作为新的指派与回归度量来解决IoU的弱点。不同于先前基于IoU的将一个提案指派给一个真实框的\textbf{一对一}方式，所提方法试图在提案集与真实框集间寻求合理匹配。具体地，我们在Citypersons数据集上于R$_{75}$下将MR-FPPI提升了8.8%。此外，通过将此方法作为度量融入最先进的行人检测器，我们展示了持续的改进。