Dec, 2022

用于遮挡行人检测的特征校准网络

PDF
TL;DR本文介绍了一种基于深度学习框架的新型特征学习方法 - 特征校准网络 (FC-Net)，该方法能够自适应检测含有多种遮挡情况的行人。作者通过引入自激活模块和特征校准模块，在学习特征时能够突出行人可见部分，压制遮挡部分。实验结果表明，在 CityPersons 和 Caltech 数据集上，FC-Net 在遮挡行人检测准确率上提高了 10%，同时在无遮挡情况下的检测表现仍然出色。
发现论文，激发创造
  • 面向遮挡行人检测的掩模引导注意力网络

    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

  • 远在眼前？不是真的！--- 基于尺度感知定位策略的行人检测

    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

  • 想象看见：通过对抗特征补全实现被遮挡行人检测

    我们提出了一种基于特征补全和对抗学习的行人检测方法，通过对被遮挡区域进行特征补全，实现了行人特征的对齐，实验证明该方法在重度遮挡场景下取得了显著改进，并在多个数据集上达到了最先进的结果。

    May, 2024

  • 面向行人检测的尺度感知快速 R-CNN

    本研究探讨了自然场景下的行人检测问题，提出了基于分治思想的 SAF R-CNN 框架来解决实例尺度的变化范围大导致的特征内类别方差大的问题，并在多个具有挑战性的行人检测数据集上实现了业界领先效果。

    Oct, 2015

  • 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

  • 大规模人员再识别的行人对齐网络

    该论文提出了一种名为 PAN（行人对齐网络）的算法，该算法采用卷积神经网络进行表示学习和行人对齐，以解决行人重识别中的对齐问题，并在三个大规模数据集上展示了具有竞争性的准确性。

    Jul, 2017

  • 融合式深度神经网络：快速且鲁棒的行人检测方法

    提出了基于深度神经网络的快速、精准行人检测方法，并将像素级语义分割网络集成到网络融合架构中，以提高检测性能和速度。该方法比现有技术更好地检测小尺寸和遮挡的行人，在 Caltech 行人数据集的多个指标上效果显著优于其他方法。

    Oct, 2016

  • 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

  • PedHunter：拥挤场景下抗遮挡行人检测器

    该论文提出了一种名为 PedHunter 的有效和高效检测网络，引入了强大的遮挡处理能力来检测拥挤场景中的行人，采用掩码引导模块增强骨干网络的特征表示学习，改进正样本的质量提高分类准则，采用模拟遮挡数据来提高遮挡鲁棒性，在三个行人检测数据集上取得了最先进的结果，并发布了一个包含超过 162k 高质量手动标记实例的新行人数据集 SUR-PED，以便于进一步研究监视场景中的遮挡行人检测。

    Sep, 2019

  • SSA-CNN: 用于行人检测的语义自注意力卷积神经网络

    本文针对行人检测问题，提出了一种基于语义分割和自注意力机制的多任务网络方法，在弱标注图像数据集上，并入注意力信息，提高了检测性能，在 Caltech 数据集上达到了 MR 为 6.27% 的最佳检测性能，同时在 CityPersons 数据集上保持高计算效率。

    Feb, 2019