论文笔记《Individualness and Determinantal Point Processes for Pedestrian Detection》
<img src=”http://zavix-image.oss-cn-shenzhen.aliyuncs.com/note/IndividualnessDPP/1511942386442.png"/ width=”80%”>
Abstract
本文,我们介绍了检测候选的个体性作为一个补充用于评价行人检测。个体性从目标推荐和滑窗得到的原始检测候选中分配一个检测结果给每个物体。我们表明,传统的方法,如NMS,是次优的,因为其仅基于周围检测结果的得分来抑制。我们使用行列式点过程(determinantal point process)结合个体性优化选择最后的结果。该方法使用质量和相似性对每个检测结果建模。然后,检测结果中具有高检测得分和低相关性(通过矩阵行列式计算概率)的作为最后的结果。此矩阵由quality terms作为对角元素,其他位置是相似性元素。具体地,我们专注于行人检测问题,该问题由于其频繁的遮挡和不可预知的运动使其称为最具挑战的问题之一。实验结果显示本文提出的方法比NMS和不受约束的二次优化问题更好。