多尺度特征融合重建的行人检测方法

摘要：

行人在众多场景中都存在多尺度变化问题,严重影响检测器的精度,为此设计卷积特征重建和通道注意力两种模块来增强对多尺度行人的检测效果.以原始输入的多尺度特征为基础融合重建多个特征金字塔,然后融合多个特征金字塔中的相同尺度特征,并学习每层特征的通道注意力权值来增加有效通道层权重,由此得到的特征才用于最后的检测.将这两种模块集成到RFBnet模型中,并改进模型损失函数用以优化对遮挡行人的检测效果.在Caltech-USA、INRIA和ETH三个数据集上的测试结果表明,新方法的准确率高于RFBnet和MS-CNN等一些多尺度方法,在不同尺度行人的测试子集上达到了最优的检测效果.

关键词：行人检测、卷积神经网络、多尺度特征、遮挡处理

所属期刊栏目：57

分类号：TP39(计算技术、计算机技术)

资助基金：国家自然科学基金61672007

在线出版日期：2021-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：176-182