对Pedestrian Detection aided by Deep Learning Semantic Tasks的小结

《Pedestrian detection aided by deep learning semantic tasks》这篇论文阐述了一种新的行人检测方法，在pedestrian detection这个任务中，之前的分类器对于hardneg的分类效果并不好，于是认为，如果能够找到一种办法能够挖掘到更多的hardneg，并且用更强的分类器将它们区分开，那么应该能够得到更好的performance。

那么，如何得到更多的hardneg数据？

作者给的思路其实很容易理解：去其他数据集找。比如说一个数据集有segmentation的label，然后我们用一个行人的detector在上面扫，发现有误判的，那么就得到了一个hardneg啦。本文中作者共找了3个scene的数据集来挖hardneg。

然后，得到hardneg后，如何训练一个足够强的分类器将它们区分开？这里给出第二个motivation，如下图，可以通过更加细分的类别（比如viewpoint），label细分了，那么每个detector就能够得到更多的information来进行分类了。于是本文提出TA-CNN一个很重要的motivation是，如果增加多种多样的label，那就能够产生足够的区分度来分开pos和hardneg。