基于多任务学习框架的红外行人检测算法

• 作者: 苟于涛 马梁 宋怡萱 靳雷 雷涛
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 红外行人检测 多任务学习 显著性检测
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 科研论文|Article
• 页码范围: 42-55
• 页数: 14页
• 分类号: TP391.41|TN215
• 语种: 中文
• DOI: 10.12086/oee.2021.210358

摘要

与高质量可见光图像相比,红外图像在行人检测任务中往往存在较高的虚警率.其主要原因在于红外图像受成像分辨率及光谱特性限制,缺乏清晰的纹理特征,同时部分样本的特征质量较差,干扰网络的正常学习.本文提出基于多任务学习框架的红外行人检测算法,其在多尺度检测框架的基础上,做出以下改进:1)引入显著性检测任务作为协同分支与目标检测网络构成多任务学习框架,以共同学习的方式侧面强化检测器对强显著区域及其边缘信息的关注.2)通过将样本显著性强度引入分类损失函数,抑制噪声样本的学习权重.在公开KAIST数据集上的检测结果证实,本文的算法相较于基准算法RetinaNet能够降低对数平均丢失率(MR-2)4.43％.