La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Attention-Guided Region Proposal Network for Pedestrian Detection Réseau de propositions régionales guidées par l'attention pour la détection des piétons

Rui SUN, Huihui WANG, Jun ZHANG, Xudong ZHANG

  • Vues en texte intégral

    0

  • Citer

Résumé:

En tant que point névralgique de la recherche et difficulté dans le domaine de la vision par ordinateur, la détection des piétons a été largement utilisée dans la conduite intelligente et la surveillance du trafic. La méthode de détection populaire à l'heure actuelle utilise un réseau de proposition de région (RPN) pour générer des régions candidates, puis classe les régions. Mais le RPN produit de nombreuses zones candidates erronées, ce qui entraîne une augmentation des propositions régionales de faux positifs. Cette lettre utilise un réseau d’attention résiduelle amélioré pour capturer la carte d’attention visuelle des images, puis normalisée pour obtenir la carte des scores d’attention. La carte des scores d'attention est utilisée pour guider le réseau RPN afin de générer des régions candidates plus précises contenant des objets cibles potentiels. Les propositions de région, les scores de confiance et les fonctionnalités générés par le RPN sont utilisés pour former un classificateur forestier boosté en cascade afin d'obtenir les résultats finaux. Les résultats expérimentaux montrent que notre approche proposée permet d'obtenir des résultats très compétitifs sur les ensembles de données Caltech et ETH.

Publication
IEICE TRANSACTIONS on Information Vol.E102-D No.10 pp.2072-2076
Date de publication
2019/10/01
Publicisé
2019/07/08
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2019EDL8027
Type de manuscrit
LETTER
Catégories
Reconnaissance d'images, vision par ordinateur

Auteurs

Rui SUN
  Hefei University of Technology
Huihui WANG
  Hefei University of Technology
Jun ZHANG
  Hefei University of Technology
Xudong ZHANG
  Hefei University of Technology

Mots-clés

Table des matières