High-level Semantic Feature Detection: A New Perspective for Pedestrian Detection

本文提出了一种新的行人检测方法——Center and Scale Prediction (CSP) detector,将目标检测视为高级语义特征检测任务,避免了配置anchor boxes的繁琐过程。CSP网络结构基于Resnet或MobileNet,通过融合不同阶段的特征,预测物体中心和尺度。通过heatmap和offset预测修正边界框,采用Gaussian mask和Focal loss进行训练。在Caltech和Citypersons数据集上的实验显示了其有效性和精度。

High-level Semantic Feature Detection: A New Perspective for Pedestrian Detection

Wei Liu · Shengcai Liao · Irtiza Hasan

paper: http://arxiv.org/abs/1904.02948

code: https://github.com/liuwei16/CSP

非官方pytorch实现: https://github.com/lw396285v/CSP-pedestrian-detection-in-pytorch

问题背景:

目标检测需要乏味的配置anchor boxes,本文提出了一种新的思路:目标检测被视为高级语义特征检测任务。

目标检测被简化为一个通过卷积直接预测物体中心和尺度的任务。

将提出的方法称为:Center and Scale Prediction(CSP) based detector

网络结构:

在这里插入图片描述

最近涌现了很多Anchor free的目标检测方法,这篇论文实际上应该属于Box free,类似与CornerNet,不再预测边界框的四个参数x,y,w,h.

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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