Reading Paper for Pedestrian detection 3.22-3.27

Reading Paper for Pedestrian detection 3.22-3.27

    Pedestrian Detection：An Evaluation of the State of the Art  

• 影响检测性能主要原因：低分辨率、重度遮挡、低尺度、False Positive Rate
• 主流dataset: INRIA, ETH, TUD-Brussels, Daimler-CB, Caltech-USA, KITTI
• 针对Caltech数据集：行人遮挡集中成几种套路；行人分布集中于图像中部一个狭长带区，导致限制检测位置和遮挡模型可适当加快检测速度
• 评价指标log-average miss rate VS FPPI(false positives per image)
• Per window和Full image性能对比
• 三种数据过滤方法：strict, post and expanded
• Bounding box 使用标准纵横比，三次插值获取， 高度依赖于“相机与行人的距离”和“实际高度”，宽度依赖于“肢体的姿势位置”
• 引入Dataset-Algorithm performance matrix评价效果 （Friedman test／Shaffer test）
• Speed up Method：检测器本身、使用近似、依赖硬件(GPU)
• 可能的研究方向：尺度、遮挡、运动特征、时间特征、上下文信息、新颖的特征、数据
• 
  

    The Fastest Pedestrian Detector in the West

• 核心思想:   For a broad family of features, including gradient histograms, the feature responses computed at a single scale can be used to approximate feature responses at nearby scales.
• 总结使用技巧：multiple scales、sparsely sampled image pyramid、a step size of an entire octave、each octave we use a classifier pyramid 
•   
• 

    Taking a Deeper Look at Pedestrians

• 比较几个应用Deep neural network处理Pedestrian detection task的例子：

  ConvNet:集中处理有限的数据；同时使用来自最后一层和倒数第二层的特征

  DBN-Isol:用RBMs扩展DPM来试图解决部分和遮挡问题

  DBM-Mut:Account for person-to-person relations

  JointDeep:联合优化的传统特征、DPM和DBM-Mut的person-to-person relations

  MultiSDP:在每层中融合不同尺度的行人检测候选集的上下文信息

  SDN:使用“switchable layers”自动学习low-level features和high-level parts

• 修改网络结构和参数的方面：Detection proposals，Thresholds for positive and negative samples，Model window size，Training batch，Number and size of cone filters，Number and type of layers等
• 基于 CafirNet 训练small convnet(105parameters)，基于 AlexNet 训练big convnet(107parameters)
• 比较结果：On Caltech10x, we find the CifarNet performance improved to 28.4%, while the AlexNet improves to 27.1% MR；运行时间上per proposal window用时3ms，每张图少于100个检测窗，总用时每张图300ms，相比较SquaresChnFtrs每张图用时2s。

    How Far are We from Solving Pedestrian Detection 

• 基于 CafirNet 训练small convnet(105 parameters)，基于 AlexNet 训练big convnet(107 parameters)
• 主要工作：给出了human baseline for the Caltech Benchmark，证实行人检测仍有十倍的提升空间，但同时出“the last 20%”更难挑战；提出了当前的state-of-the-art method和完美的单帧单眼检测器RotatedFilters，取得最佳性能；讨论了影响性能的主要因素：background-versus-foreground and localization。
• 改进了Caltech dataset的Pedestrian bounding box绘制原则：A bounding box is then automatically generated such that its centre coincides with the centre point of the manually-drawn axis.
• 分析了影响训练标注的两点：Pruning benefits 和 Alignment benefits
• 某些时候convnets会给TP样本周围的窗赋值以低分，despite their fine-tuning, the convnet score maps are “blurrier” than the proposal ones. 作者认为导致这一现象的原因是诸如AlexNet和VGG有一些结构限制如internal feature pooling。
• 基于语义标注和边界估计的方法需要pixel-accurate output；可以通过bounding box regression来弥补卷积网络空间分辨率不足的情况。
• 个人觉得分析误差来源时提到用去除训练和测试集中的false positive的方法来提升性能很扯。觉得不对者详见论文。
• 记录一些State-of-the-art(在某时刻曾是)及其算法思想，见图
• 
  

• 更多实验细节和调参方法详见论文及补充材料。