遗漏负样本挖掘的行人检测方法

• 作者: 刘芷含 李旻先 赵春霞
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 卷积神经网络 行人检测 挖掘难负示例方法
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 436-441
• 页数: 6页
• 分类号: TJ765.4
• 字数: 5523字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2019.02.037

摘要

用于物体检测的许多现代方法,如Faster R-CNN,都是基于卷积神经网络的.在监控视频中,由于背景复杂和行人多姿态等原因,存在许多误检.挖掘难负示例的方法可以在一定程度上可以解决误检,Faster RCNN由于使用端到端的训练策略而没有使用挖掘难负示例的方法,生成样本时只考虑了真值候选框周围的样本.为此,论文提出了一种新颖的算法来挖掘被遗漏的负样本,当生成分类器的负样本时,综合利用候选框的置信度以产生更具代表性的负样本.该方法不仅在静态行人数据库(如INRIA)上,还在监控视频(PKU-SVD-B和Caltech)下的数据库上,对召回率,精度率和F1测量指标进行了一致的提高.我们的方法只需要改进样本生成算法,不需要任何额外的超参数,因此它不会增加Faster R-CNN的计算量,并且易于实现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵春霞	南京理工大学计算机科学与工程学院	177	2193	25.0	36.0
2	李旻先	南京理工大学计算机科学与工程学院	5	27	3.0	5.0
3	刘芷含	南京理工大学计算机科学与工程学院	1	3	1.0	1.0