基于深度模型的场景自适应行人检测

摘要：

针对现有基于机器学习的行人检测算法存在当训练样本和目标场景样本分布不匹配时检测效果显著下降的缺陷,提出一种基于深度模型的场景自适应行人检测算法.首先,受Bagging机制启发,以相对独立源数据集构建多个分类器,再通过投票实现带置信度度量的样本自动选取;其次,利用DCNN深度结构的特征自动抽取能力,加入一个自编码器对源-目标场景下特征相似度进行度量,提出了一种基于深度模型的场景自适应分类器模型并设计了训练方法.在KITTI数据库的测试结果表明,所提算法较现有非场景自适应行人检测算法具有较大的优越性;与已有的场景自适应学习算法相比较,该算法在检测率上平均提升约4%.

关键词：场景自适应、行人检测、深度结构、卷积神经网络

所属期刊栏目：47

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目U1564201,61403172,61601203;中国博士后基金资助项目2014M561592,2015T80511;江苏省重点研发计划资助项目BE2016149;江苏省自然科学基金资助项目BK20140555;江苏省六大人才高峰资助项目2014-DZXX-040,2015-JXQC-012

在线出版日期：2017-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：679-684