本文提出了一种新的人类皮肤检测算法，该算法基于 RGB、HSV 和 YCbCr 颜色模型，通过考虑三个颜色参数的各自和联合范围来提高对给定图像中皮肤像素的识别精度。

Aug, 2017

本文介绍了一种多模式人体检测系统，结合了便携式热成像相机和单芯片毫米波雷达。为了减轻热成像相机低对比度和雷达点云多路径噪声引起的检测特征噪声，我们提出了一种贝叶斯特征提取器和一种新颖的不确定性引导融合方法，超过各种竞争方法，无论是单模式还是多模式。我们在真实数据收集上评估了所提出的方法，并证明了我们的方法在性能上大幅优于现有技术方法。

Jul, 2023

本研究针对光照不足条件下的多光谱行人检测，提出了一种融合网络架构，包括多光谱提议网络和多光谱分类网络。该网络通过同时优化行人检测和语义分割任务进行学习，并通过整合不同模式和两个阶段的输出来获得最终的检测结果，在 KAIST 数据集上显著优于现有方法。此外，作者也提供了一个经过消毒的 KAIST 数据集训练标注，帮助解决不同种类标注错误的问题。

Aug, 2018

本文提出了一种新的数据驱动方法，通过将人体作为弱语义引导，将人类皮肤检测与人体识别结合起来，构建双任务神经网络实现半监督学习，对皮肤和人体分别进行检测，并在实验中证明了该网络的有效性及优于现有最佳水平的皮肤检测能力。

Aug, 2019

通过采用方向梯度直方图、视觉显著性和深度多层网络的显著性预测模型，结合 k 均值算法，该研究提出了一种用于视频中检测人的方法，取得了 83.11％的检测精度、41.27％的召回率的效果，并比在普通图像上对人物进行分类的速度快 76.866 倍。

Sep, 2017

本研究提出了一种高效有效的算法，可以自动标记皮肤损伤图像的肤色，并将其用于注释基准 ISIC 数据集以减少皮肤色调偏差。实验结果证明，皮肤色调检测算法优于现有解决方案，取消偏见可以提高普适性，并减少轻重肤色间的黑色素瘤检测性能差异。

Feb, 2022

本文提出一种基于多任务学习的多光谱行人检测框架，利用新颖的感知权重机制、带 illumination-aware 的深层卷积神经网络等技术，提高了检测和语义分割的性能。实验结果表明，该方法在 KAIST 多光谱行人数据集上性能超过了现有的最先进方法。

Feb, 2018

本论文通过对 Faster R-CNN 进行多光谱行人检测任务的深入分析，并将其建模为卷积神经网络（ConvNet）融合问题，同时发现使用彩色和热成像图像训练的基于 ConvNet 的行人检测器在区分人类实例方面提供了互补信息，其在 KAIST 行人基准上的实验结果表明，在不同 DNN 阶段集成两个分支 ConvNets 的四种 ConvNet 融合结构中，半路融合模型在中间级卷积特征上的结合优于基线方法 11％，遗漏率比其他建议的架构低 3.5％。

Nov, 2016

该论文提出了一种基于烟雾引起的低能见度场景中的热红外成像融合策略的人体检测系统，通过多摄像机处理收集重要信息，融合提取的特征输入轻量级深度神经网络进行人体检测任务，实验表明该方法在合理速度下能够以 95% 的 [email protected] 值取得良好性能。

Jul, 2023

该研究研究了最新的物体检测系统是否能够在不同肤色的行人中具有公正的预测性能，我们对一个现有的大规模数据集 BDD100K 进行了注释，并提供了两种肤色分组之间性能的深入比较分析，发现时间、遮挡和训练期间重新加权的监督损失对这种预测性别扭曲的影响程度。

Feb, 2019