Sep, 2019

双锚点 R-CNN 用于拥挤情况下的人物检测

PDF
TL;DR本文提出了一种名为 Double Anchor R-CNN 的框架， 处理拥挤场景下的人体检测，通过身体和头部匹配双重先验区域提出与提出交叉策略以及联合的后期处理模块，实现在拥挤场景下同时检测每个人的头部和身体，并在 CrowdHuman， COCOPersons（拥挤子数据集）和 CrowdPose（拥挤子数据集）数据集上取得了最新颖的结果。
human detectioncrowd occlusiondouble anchor r-cnnproposal crossover strategyjoint nms module
发现论文，激发创造
  • Occlusion-aware R-CNN: 检测人群中的行人

    本文提出一种新的遮挡感知 R-CNN (OR-CNN) 检测算法来提高人群中行人检测的准确率，其中使用的新型聚合损失来将建议的探测框紧密地与相应的对象定位；使用新的部分遮挡感知 ROI 池化单元来整合人体结构的前期结构信息以及可见性预测到网络中来处理遮挡，此检测器在三个行人检测数据集上达到了最新的结果，并且在 Caltech 上与最新技术持平。

    Jul, 2018

  • 联合头部和人体检测的关系学习

    该研究提出了一种新的联合头部和人体检测网络，包括设计一个头体关系区分模块执行头和身体之间的关系学习，并利用所学关系来减少头部误报率和提高人体检测率。进行相关实验后，该联合检测器在三个基准数据集中取得了最佳性能，且提供新的注释，源代码和训练模型以便进一步研究。

    Sep, 2019

  • 面向上下文的人头部检测 CNN

    本研究利用全局 CNN 模型和成对 CNN 模型来检测自然场景下的人头部位，通过引入新的数据集进行测试，结果显著提高了人头部位检测的准确性，并优化了检测速度。

    Nov, 2015

  • 拥挤场景中的检测：一种提议，多种预测

    提出了一种基于 proposal 的物体检测器，通过使用相关实例集而不是单个实例来预测每个 proposal，引入 EMD Loss 和 Set NMS 等新技术，能够有效处理高度重叠物体的检测难度，在 CrowdHuman 数据集上获得 4.9% 的 AP 收益，在 CityPersons 数据集上获得 1.0% 的 MR^-2 收益，在 COCO 等数据集上也能够取得适度的改进效果。

    Mar, 2020

  • 面向高性能的单阶段人体姿态估计

    本文针对使用 Mask RCNN 进行人体姿态估计时存在的性能问题及效率问题，提出了一种基于改进后的全局上下文模块和 ResNet-50 骨架的人体姿态估计方法，取得了较好的姿态估计效果和运行效率。

    Jan, 2023

  • 大规模多人姿态估计的精度提升

    该论文提出了一种用于多人检测和二维姿势估计的方法，采用两个阶段的简单而强大的自上而下方法，结合使用 Faster RCNN 检测器、关键点基于非最大抑制（Non-Maximum-Suppression）和置信度计算，利用 COCO 数据集训练得到的该系统具有较高的平均精度和表现。

    Jan, 2017

  • 从单目图像估计多人三维人体姿态

    通过提出的 HG-RCNN 网络，借助 Mask-RCNN 和 Hourglass 结构进行多人 3D 人体姿态估计，实现对每个感兴趣区域（RoI）中 2D 关键点的先预测后提升，最终采用弱透视投影模型和焦距和根偏移的联合优化将估计的 3D 姿态置于相机坐标系下，该网络简单模块化且无需多人 3D 姿态数据集，取得了 MuPoTS-3D 数据集的最优性能，并能近似在相机坐标系下估计 3D 姿态。

    Sep, 2019

  • 聚集场景中通过头部聚焦处理高度遮挡问题的密集人群跟踪

    本研究中，我们提出了一种联合检测深度学习模型，用于解决在高密度人群中识别和跟踪行人的问题，实验数据表明，该模型在小型和中型行人检测方面取得了最先进的结果。

    Apr, 2023

  • 通过主要目标抑制检测人群中的次要人员实例的 PS-RCNN

    本文提出了一种名为 PS-RCNN 的人物检测方法，通过引入人形掩膜来解决高度遮挡的问题，使用两个 R-CNN 模块来检测图像中的不同部位的对象，以及 HRRA 模块以保留细节特征，相较于基准检测方法，在 CrowdHuman 数据集上提高了 4.49% 和 2.92% 的召回率和 AP 值。

    Mar, 2020

  • 优化基于锚点的检测器用于自动驾驶场景

    研究了适用于自动驾驶场景的基于锚点的检测器的模型改进和推理时间优化，提出了模型缩放策略，以实现更好的速度 - 精度权衡曲线，并在 Waymo 开放数据集上获得了新的最新技术水平。

    Aug, 2022