Repulsion Loss: 解决行人检测中密集遮挡问题

论文《Repulsion Loss: Detecting Pedestrians in a Crowd》提出了一种创新方法,通过Repulsion Loss损失函数,改善目标检测在行人密集场景中的误检和漏检问题。该损失函数包含吸引力项和两个排斥项,旨在让预测框更接近真实目标,同时远离其他相邻目标,提高检测的准确性和鲁棒性。

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

论文题目:Repulsion Loss: Detecting Pedestrians in a Crowd
论文链接:https://arxiv.org/abs/1711.07752

motivation
目标检测的目的是使产生的proposal能更加接近真是目标框GT,而行人检测中经常会遇到行人密集拥挤的情况,文中称作crowd occlusion,使得训练输出的预测框会由于周围其他目标的影响而干扰最终的输出结果(从下图可以看出)。那么可不可以通过一种方式,阻止proposal由于crowd occlusion而偏移到周围目标框的情况 ?论文中写道“the attraction by target, and the repulsion by other surrounding objects”,即使得预测框更加接近所负责的真实目标框,而远离周围的目标。
这里写图片描述
innovation point
通过设置损失函数的方式,即Repulsion Loss,使预测框和所负责的真实目标框的距离缩小,而使得其与周围非负责目标框(包含真实目标框和预测框)的距离加大 。如下式,如果与周围目标的距离越大,损失值会越小。


Repulsion Loss

detailed information in the paper<

评论 2
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