Nov, 2021

示例引导的对比学习用于行人检测

PDF
TL;DR本研究提出了一种基于对比学习的方法，将代表行人外观的先验知识转化为示例字典，通过最小化不同外貌之间的语义距离来消除外观多样性，从而有效地检测行人。
pedestrian detectioncontrastive learningsemantic distanceexemplar dictionarypedestrian appearances
发现论文，激发创造
  • 探索基于人类视觉特征的行人检测

    基于人类注意力系统中的中心环绕机制，提出使用平均对比度图来挑战街景中的行人检测，并从局部、统计学和多通道等方面设计描述子，引入基于网格单元的多方向和多尺度对比度方案，得到了最优化检测器，并在 INRIA 和 Caltech 行人数据集上取得了业内领先的性能表现。

    Jan, 2015

  • 构建多功能行人知识库实现鲁棒性行人检测

    本文提出了一种构建通用行人知识库的新方法，通过从大规模预训练模型中提取泛化行人知识并对其进行精确化处理，用于增强行人检测框架内的行人特征，实验证明该方法的多功能性和优于最先进的检测性能。

    Apr, 2024

  • 学习识别行人属性

    本文介绍了一种利用周围的行人图像 context，比传统的基于 SVM 方法更好地推断行人属性的方法，并通过我们新发布的行人属性数据集进行实验评估背景和前景特征对属性识别的相关性。

    Jan, 2015

  • 基于深度学习语义任务的行人检测

    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

  • 低光照条件下的行人检测：综述

    综述了针对低光条件下行人检测的各种方法和数据集，并讨论了挑战和最近提出的解决方法，主要使用基于深度学习的图像融合方法进行准确可靠的行人检测。

    Jan, 2024

  • 学习跨模态深度表示以实现鲁棒的行人检测

    本文介绍了一种新的行人检测方法，基于跨模态学习框架、深度卷积神经网络等技术，可在恶劣光照条件下实现行人检测，并在公开数据集上表现出优异的性能。

    Apr, 2017

  • 基于交叉相似性的车道检测对比学习

    用反映关键性的自监督学习方法 CLLD 增强车道检测模型对导致车道低可见度的真实环境条件的抵御能力，并在光照阻碍等可见度受损的条件下优于最先进的对比学习方法，尤其在阴影等情况下表现出色。

    Aug, 2023

  • 使用无监督多阶段特征学习进行行人检测

    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

  • 结合以语言驱动的外观知识单元和视觉提示的行人检测

    通过将大型语言模型与视觉线索相结合，我们提出一种新的方法来理解语境外观变化并将其知识应用于行人检测任务，通过与大量描述行人外观的叙述语料库结合，提取代表外观变化的知识集合，并通过任务驱动的过程获得与行人检测相关的外观知识单元，最终实现与视觉线索的融合，从而提供丰富的外观信息，并验证了该方法的有效性。

    Nov, 2023

  • 面向外部分布的行人检测的持续学习

    本论文提出了一种连续学习的解决方案，以解决行人检测的超出分布问题，并针对性能降低的问题制定了改进的 Elastic Weight Consolidation 方法。通过在一个数据集上进行训练和在另一个数据集上进行微调来达到学习新分布并在先前的数据集上保持性能的目的。

    Jun, 2023