论文笔记《Is Faster R-CNN Doing Well for Pedestrian Detection?》
Abstract
行人检测是目标检测的特例。尽管近年Fast/Faster R-CNN在目标检测上效果显著，但是在行人检测上效果缺一般。之前的较好的行人检测算法一般是将手工特征和深度卷积特征相结合。本文，研究Faster R-CNN在行人检测上的问题。我们发现Faster R-CNN中的Region Proposal Network（RPN）区域推荐网络可以作为一个效果较好的独立的行人检测器，但是通过下游的检测器后其结果居然变差了。我们认为有两个原因：1）对于处理小目标，特征图的分辨率太小；2）缺少boostrapping策略来提取困难负样本。针对上述问题，我们提出使用RPN+boosted forests共享高分辨卷积特征图的方法。该方法的效果在多个benchmark上进行了评估（Caltech，INRIA，ETH，KITTI），其精度和速度均较好。