本篇论文提出一个基于深度学习的行人检测系统,通过分析和优化检测流程的每一步,我们提出了一种优于传统方法的架构,在保持低计算时间情况下实现了接近先进方法的任务准确性,并在 NVIDIA Jetson TK1 上测试了该系统。
Oct, 2015
该研究探究了行人检测领域当前最先进的方法和 “完美的单帧检测器” 的差距,并通过创建行人检测的人类基线和手动聚类来对其进行分析。通过研究检测器的训练注释噪声对检测器性能的影响,以及研究卷积神经网络用于行人检测时影响其性能的因素,该研究提出了改进方法,并在 Caltech 数据集上取得了最佳性能。
Feb, 2016
本文提出了一种使用高维提示层和估计大网络输出方差的方法来改进知识蒸馏技术,并采用手动设计的特征来提升小型网络的性能,实现了比 AlexNet 更好的性能,同时拥有大网络 $400 imes$ 更少的参数。
Dec, 2016
本文提出了一种新的基于 2D 卷积模型的行人轨迹预测方法,采用了高效的数据表示和强大的数据增强技术,在 ETH 和 TrajNet 数据集上实现了最优结果。另外,对于以前用于建模社交信息的占据方法进行了实验性探究,并得出这些方法无法捕捉社交交互的经验结论。
Oct, 2020
本文利用卷积网络模型,采用多阶特征提取,全局形状信息和本地独特的纹理信息相结合以及基于卷积稀疏编码的无监督方法来预训练过滤器,取得了所有主要行人数据集上的最先进和有竞争力的结果,从而解决了行人检测的实际问题。
Dec, 2012
本文旨在研究基于 RetinaNet 的物体探测器在行人检测方面的性能,提出一种基于 RetinaNet 的行人检测系统,取得 0.4061 的 mAP 表现。
Feb, 2019
本文提出了一种主动型行人检测器,该检测器利用多层神经表示、ResNet 和 faster R-CNNs 等技术实现对行人检测,能够有效解决行人检测中小尺寸行人偏远离摄像头时检测效果不佳的问题,经实验证实具有良好的性能。
Sep, 2017
本文介绍了一种基于注意力网络的被遮挡行人检测方法,具备在 CityPersons 和 Caltech 两个数据集上超过现有方法的鲁棒性能
Oct, 2019
本文通过重新评估 CNN 设计和引入新的数据集 CityPersons,使得 FasterRCNN 在 Caltech 数据集上取得了最新的结果,特别是在难度较大的情况下有了更好的表现,提供更高的定位质量。
Feb, 2017
通过提出一种新的深层模型,从多个数据源中学习高级特征和多个任务,这项工作联合优化了行人检测及语义任务,包括人行属性,场景属性等,并设计了一个多任务函数来协调任务和减少数据集之间的差异,通过大量验证,证明了该方法在 Caltech 和 ETH 数据集上优于最先进的模型.
Nov, 2014