基于深度模型的场景自适应行人检测

• 作者: 孙晓强 江浩斌 王海 蔡英凤 袁朝春 陈龙
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 场景自适应 行人检测 深度结构 卷积神经网络
• 年，卷（期）: 2017,（4）
• 页码范围: 679-684
• 页数: 6页
• 分类号: TP391.4
• 字数: 5091字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2017.04.009

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%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈龙	江苏大学汽车工程研究院	368	3236	25.0	34.0
2	江浩斌	江苏大学汽车与交通工程学院	194	1654	21.0	29.0
3	袁朝春	江苏大学汽车工程研究院	42	279	10.0	14.0
4	蔡英凤	江苏大学汽车工程研究院	56	247	9.0	14.0
5	王海	江苏大学汽车与交通工程学院	38	221	9.0	13.0
6	孙晓强	江苏大学汽车工程研究院	36	228	10.0	14.0