基于自适应特征卷积网络的行人检测方法

• 作者: 弓攀豪 王进 申发海 董广县 邓欣 陈乔松 陶亚
• 来源期刊: 计算机应用研究
• 关键词: 行人检测 卷积神经网络 浅层细节特征 自适应特征
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2202-2205,2226
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.02.0032

摘要

针对行人检测方法未能充分利用卷积网络浅层特征的问题,改进Faster R-CNN框架,提出了一种基于自适应特征卷积网络的行人检测方法.该方法有两处改进:a)设计了SFCM模块,用于提取卷积神经网络浅层细节特征;b)引用挤压与激励操作设计了AFCM模块,用于筛选检测所需的强辨识力行人特征.此外,利用公开的Caltech和INRIA行人数据集,通过在基准框架中逐一添加SFCM和AFCM模块训练行人检测器,验证了所提模块的有效性,并对比了主流行人检测算法.实验结果显示,所提方法的误检率分别降到了9.13％和9.46％,具有更优的检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王进	重庆邮电大学数据工程与可视计算重点实验室	50	202	8.0	12.0
2	陈乔松	重庆邮电大学数据工程与可视计算重点实验室	16	66	4.0	7.0
3	申发海	重庆邮电大学数据工程与可视计算重点实验室	4	2	1.0	1.0
4	弓攀豪	重庆邮电大学数据工程与可视计算重点实验室	1	0	0.0	0.0
5	陶亚	重庆邮电大学数据工程与可视计算重点实验室	1	0	0.0	0.0
6	董广县	重庆邮电大学数据工程与可视计算重点实验室	1	0	0.0	0.0