Mar, 2016
学习多层通道特征用于行人检测
Learning Multilayer Channel Features for Pedestrian Detection
Jiale Cao, Yanwei Pang, Xuelong Li
TL;DR该研究提出了一种基于多层通道特征的统一框架,通过将 HOG+LUV 和 CNN 的各层整合在一起,学习了一个多级级联 AdaBoost,使得在 Caltech 行人数据集上的漏检率为 10.40%,使用新的准确注释后,漏检率为 7.98%,并且检测速度比现有技术有 1.43 倍的加速,并具有可行性损失。