多尺度空间金字塔池化PCANet的行人检测

摘要：

针对非理想条件下行人检测的性能和效率问题, 提出多尺度空间金字塔PCANet.将空间金字塔作为网络的特征池化层, 通过分层池化特征的方式获得图像的显著性特征, 并将底层特征和高层特征级联以获得样本的多尺度特征的向量表示, 输入SVM分类器.在INRIA和NICTA数据库中, 与HOG、CNN等算法进行行人检测对比实验, 结果表明, 该算法有更高的正确检测率、更低的漏检率和误检率.

关键词：行人检测、深度学习架构、主成分分析网络、多尺度特征、空间金字塔池化、显著性特征

所属期刊栏目：45

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 60802047, 60702018

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：270-277