【论文学习】行人检测——CVPR Deep Learning Strong Parts for Pedestrian Detection

最新推荐文章于 2025-02-16 12:31:31 发布
最新推荐文章于 2025-02-16 12:31:31 发布
阅读量1.4k 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 深度学习 文章标签： 行人检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/DL_wly/article/details/90237831
该博客深入探讨了行人检测中的遮挡问题，介绍了一种名为DeepParts的解决方案，该方案能处理弱标签数据，有效应对偏移问题，并在Caltech数据集上显著降低了missing rate。通过训练部分池过程和深模型中的移位处理，DeepParts构建了局部互补模型以提高检测性能。同时，文章也提出了训练和学习过程中的一些挑战，如模型压缩。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

paper：Deep Learning Strong Parts for Pedestrian Detection

目录

主要解决的问题

提出的解决办法

1、现阶段对于阻塞问题的处理方法

2、文章创新点

3、训练部分池过程

4、深模型中的移位处理

5、学习过程

6、遗留问题

主要解决的问题

       做行人检测时，将CNN的主要特征转移给了行人，但无法做遮挡处理。

提出的解决办法

        以前只是建立一个单一的检测器，本文提出了DeepParts，有以下3个特性：

  1. 可以训练弱标签数据
  2. 可以处理偏移标准的低IoU positive proposals
  3. 每个监测器都足够检测一部分

1、现阶段对于阻塞问题的处理方法

  1. 为不同阻塞类型训练不同的监测器
  2. 将部分可见变量建模为潜在变量

2、文章创新点

  1. 通过数据驱动，自动选择若干局部互补模型
  2. 首次探索基于ConvNets，将单一部件检测器及其组合用于行人检测
  3. 提出一个新的方法用以处理偏移问题
  4. Caltech数据集中，missing r
最低0.47元/天 解锁文章

200万优质内容无限畅学
计算机视觉论文总结系列（一）：目标检测篇
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
03-23 8722
本系列主要面向计算机视觉目标检测、图像分割及OCR等领域，每篇将对该领域论文等方面展开介绍，本篇主要介绍目标检测领域历年论文，希望大家能够多多交流如有错误请大家在评论区指正，如有侵权联系删除
CVPR2020/2021行人检测重识别等论文,共33篇
qq_41897154的博客
12-10 3118
行人检测 Detection in Crowded Scenes: One Proposal, Multiple Predictions NMS by Representative Region: Towards Crowded Pedestrian Detection by Proposal Pairing STINet: Spatio-Temporal-Interactive Network for Pedestrian Detection and Trajectory Prediction
行人检测论文 -- ALFnet Learning Efficient Single-stage Pedestrian Detectors by Asymptotic Localization Fit
weixin_39749553的博客
06-27 1688
论文名称：Learning Efficient Single-stage Pedestrian Detectors by Asymptotic Localization Fitting 代码地址：https://github.com/liuwei16/ALFNet 这是18年行人检测做的结果比较好的一篇论文,如果发现我有写的不对的地方,欢迎指出 . 还是一篇行人检测，使用...
Deep Learning Strong Parts for Pedestrian Detection
cv_family_z的博客
11-24 3509
ICCV 2015本文主要利用深度学习结合 part model 得到一个 DeepParts 来解决 行人检测 中的 遮挡问题。DeepParts has four main contributions： 1）通过数据驱动，自动选择若干互补的局部模型 2) we are the first to extensively explore how single part detector and
(论文笔记)Deep Learning Strong Parts for Pedestrian Detection
weixin_33777877的博客
10-30 366
这篇论文做的主要创新是，使用对身体的局部检测来降低对行人检测的丢失率。进行局部检测的目的主要是为了处理行人身体被遮挡的问题。 关于论文的部分检测器（Part Detectors）训练部分检测器， 1、先构造了部分池（Part Pool） 2、对于每一个部分，训练一个单独的检测器 3、使用互补的部分检测器推断出全身的得分 部分池使用2m*m的网格来定义一个人的全身，将身体的部分原型（Part p...
Joint Deep Learning for Pedestrian Detection
icecode的专栏
08-06 1987
Joint Deep Learning for Pedestrian Detection /Computer Vision /Machine Learning / Deep learning / Machine Learning /Video processing / Joint Deep Learning for Pedestrian Detection        
行人检测论文汇总
Note of Transposition
03-20 3786
 from http://www.pedestrian-detection.com/ 2014 S. Tang, M. Andriluka and B. Schiele, "Detection and Tracking of Occluded People", nternational Journal of Computer Vision (IJCV), 2014 2013 P.
目标检测经典论文——R-CNN论文翻译：Rich feature hierarchies for accurate object detection and semantic segmentation
bigcindy的博客
07-27 5667
Rich feature hierarchies for accurate object detection and semantic segmentation——Tech report (v5) 用于精确物体定位和语义分割的丰富特征层次结构——技术报告（第5版） Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik UC Berkeley 加州大学伯克利分校 {frbg,jdonahue,trevor,malikg}@...
行人检测论文大全
Ddreaming的博客
08-19 5909
行人检测论文汇总 马上就研二了，压力山大，回想研一整个一年，忙忙碌碌，却没出什么成绩，真是。。回首研一，可能就做了一点点工资，学习一些基本知识，比如常用机器学习算法、opencv、图像处理等等，然后开始接触行人检测，读dollar大神的论文，读他的工具包等等，现在感觉有点入门了，下面是dollar大神整理的资源，里面有行人检测领域最新最经典的论文，准备利用一两个月把这些经典的论文都读一读，原文地
CVPR 2017论文集锦（论文分类）—— 附录部分翻译
热门推荐
denghe优快云的博客
08-23 2万+
作为计算机视觉领域的三大顶级会议之一，CVPR 2017 又收录了很多优秀的文章。具体可参见 CVPR 的论文官网：http://www.cvpapers.com/cvpr2017.html        Machine Learning 1 （机器学习） Spotlight 1-1A  （关注的焦点 1-1 A） Exclusivity-Consistency Regular
行人检测论文阅读
u012841667的专栏
11-11 2165
一、基于深度卷积神经网络的行人检测_芮挺 1、行人检测的概述 行人检测作为目标检测的一种。目前行人检测技术主要基于统计分类的方法，将行人检测转化成人与非人的二分类问题，包括特征提取和分类学习两个部分。 传统的行人检测需要人工设计复杂的特征提取方法，这些方法再鲁棒性上有一定的局限性。HOG特征是目前公认的最具有泛化能力的特征之一，但是对于复杂背景和遮挡等情况下的行人检测效果较差。将HOG特征和
行人检测论文笔记：Taking a Deeper Look at Pedestrians
JacobKong的博客
02-18 2272
layout: post title: 行人检测论文笔记：Fused DNN - A deep neural network fusion approach to fast and robust pedestrian detection categories: 论文笔记 tags: - Deep Learning - 深度学习 - Object Detection - 目标检测
行人检测论文笔记：Histograms of Oriented Gradients for Human Detection
JacobKong的博客
02-18 2859
相关知识点 从TP、FP、TN、FN到ROC曲线、miss rateTP：true positive，实际是正例，预测为正例 FP：false positive，实际为负例，预测为正例 TN：true negative，实际为负例，预测为负例 FN：false negative，实际为正例，预测为负例fnr+tpr=1, fpr+tnr=1 miss rate = FNR = 1 - true po
探索未来智能交通：行人检测（Pedestrian Detection）论文与开源项目汇总
gitblog_00075的博客
05-25 663
探索未来智能交通：行人检测（Pedestrian Detection）论文与开源项目汇总 在智能交通和计算机视觉领域，行人检测是至关重要的一环。它不仅应用于自动驾驶汽车的安全行驶，也对视频监控、人流量统计等领域有着广泛的应用。在这个快速发展的领域里，研究者们不断提出新的方法和技术来提升行人的检测准确率。以下是一份关于行人检测的精选论文集合以及相关的开源实现，它们将引领我们深入了解这一领域的前沿进展...
行人检测论文笔记：Robust Real-Time Face Detection
JacobKong的博客
02-18 2834
知识点 傅里叶变换的一个推论： 一个时域下的复杂信号函数可以分解成多个简单信号函数的和，然后对各个子信号函数做傅里叶变换并再次求和，就求出了原信号的傅里叶变换。 卷积定理(Convolution Theorem)：信号f和信号g的卷积的傅里叶变换，等于f、g各自的傅里叶变换的积 整个过程的核心就是“（反转），移动，乘积，求和”二维卷积数学定义 二维卷积在图像处理中会经常遇到，图像处理中用到的
行人检测论文阅读汇总
wydbyxr的博客
11-19 924
更详细的资料整理到了个人的github上，地址为 https://github.com/whitenightwu/11-Algorithm_and_Data\11-Paper Summary(根据应用划分)\53-行人检测和行人重识别 图中带*号的代表，推荐细读 ...
行人检测论文阅读（2）
u012841667的专栏
11-12 2619
一、基于深度学习的行人检测-王斌-北京交通大学-2015 行人检测的应用背景：视频监控、车辆辅助驾驶、智能机器人等领域。 1、论文特点 （1）通常深度学习网络的层次较深，需要学习参数非常多，只有在训练样本充足时才能有效地避免网络训练过拟合。对此本文采用基于内容的图像检索方法进行数据扩充，该方法在进行数据库扩充时充分考虑到原数据库的行人分辨率，背景分布等因素，使扩充后的数据库仍然保持INRIA
Learning Complexity-Aware Cascades for Deep Pedestrian Detection
xiaofei0801的博客
06-02 803
1.Introduction        行人检测是计算机视觉中的一个重要问题。其许多应用，例如智能车或监控，需要实时检测。由于在流行的滑动窗口准则下，640×480像素的图像有近百万个窗口，检测复杂度很容易变得难以处理。这是在行人检测领域部署复杂分类器（如深度学习模型）的障碍。用于实时物体检测的最流行的架构是[32]的检测器级联。它利用了大多数图像块可以通过几个简单级联阶段的评估，可以被分配
基于YOLO的行人目标检测（论文+源码）
最新发布
02-16 391
该方法主要改进了YOLOv3在行人检测方面的不足之处，并提出了一些新的思路和方法。最后，我们以多组场景为例，对该方法进行了实验评测，结果表明相较于原始的YOLOv3，我们的方法在行人目标检测方面取得了更好的性能，同时对于不同场景的适应能力也有所提升。相比于其他算法，YOLOv3算法利用卷积神经网络对图像进行全局感受野的处理，从而获得更高的检测精度和较快的处理速度。YOLOv3使用了Darknet-53作为其主干网络，与之前的版本相比，YOLOv3增加了更多的卷积层和残差连接，使其可以更好地捕获图像特征。
行人检测新方法：HOG特征在CVPR05论文中的应用
这篇论文《Histograms of Oriented Gradients for Human Detection》是行人检测领域的一篇经典之作，作者Navneet Dalal和Bill Triggs来自法国INRIA Rhône-Alpes研究所。他们通过实验对比了不同的特征集在行人检测中...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值