WiderPerson：一种面向野外密集行人检测的多样化数据集
计算机视觉与模式识别
2019-09-27 v1
摘要
随着现有基准数据集的可用，行人检测已取得显著进展。然而，真实世界需求与当前行人检测基准之间在多样性和密度上存在差距：1）现有数据集大多取自车辆行驶于常规交通场景，通常导致多样性不足；2）包含高度遮挡行人的拥挤场景仍代表性不足，导致密度较低。为缩小此差距并推动未来行人检测研究，我们引入了一个名为WiderPerson的大规模多样化数据集，用于野外密集行人检测。该数据集涵盖广泛场景下的五类标注，不再局限于交通场景。共有幅图像及个标注，即每幅图像个标注，意味着该数据集包含具有各类遮挡的密集行人。因此，所提数据集中的行人因场景与遮挡的巨大变化而极具挑战性，适合用于评估野外行人检测器。我们引入改进的Faster R-CNN与原始RetinaNet作为新行人检测基准的基线。在包括Caltech-USA和CityPersons在内的先前数据集上进行了若干实验以分析所提数据集的泛化能力，且无需额外技巧即在上述数据集上取得了当前最优性能。最后，我们分析了常见失败案例，发现行人检测器的分类能力有待提升以降低误报与漏检率。所提数据集可从 http://www.cbsr.ia.ac.cn/users/sfzhang/WiderPerson 获取。
引用
@article{arxiv.1909.12118,
title = {WiderPerson: A Diverse Dataset for Dense Pedestrian Detection in the Wild},
author = {Shifeng Zhang and Yiliang Xie and Jun Wan and Hansheng Xia and Stan Z. Li and Guodong Guo},
journal= {arXiv preprint arXiv:1909.12118},
year = {2019}
}
备注
TMM: submitted on 2018.07.17, accepted on 2019.07.01. arXiv admin note: text overlap with arXiv:1805.07193, arXiv:1805.00123 by other authors