|
|||||
|
|
| 一种深度模型行人检测方法 | |
| 作者单位： | ;1.西昌学院汽车与电子工程学院;2.清华大学深圳研究生院 |
| 摘 要： | 提出一种新的深度模型,通过多个阶段的后向传播来联合训练多阶段分类器实现行人检测。该模型可将分类器的得分图输出存储在局部区域中,并将其作为上下文信息来支持下一阶段的决策。通过设计具体的训练策略,深度模型可对硬性样本进行挖掘来分阶段训练网络,进而模拟串联分类器。此外,每个分类器可在不同的难度水平上处理样本,并通过无监督预训练和专门安排的各阶段有监督训练来对优化问题正规化,提高了行人检测的可靠性。理论分析表明该训练策略有助于避免过拟合。基于3个数据集(Caltech,ETH和TUD-Brussels)的实验结果也验证了该方法优于当前其他最新算法。 |
| 关 键 词： | 串联式分类器 行人检测 深度模型 上下文信息 |
Research on a Pedestrian Detection Scheme Based on Deep Model |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |