【深度学习】---行人检测应用二

最新推荐文章于 2024-07-16 13:34:36 发布

zbwustc

最新推荐文章于 2024-07-16 13:34:36 发布

阅读量4.3k

点赞数 1

分类专栏：行人检测图像处理文章标签：深度学习行人检测

本文链接：https://blog.csdn.net/u010773275/article/details/71248863

版权

本文介绍了深度学习在行人检测中的应用，特别是Switchable Deep Network（SDN）和Switchable Restricted Boltmann Machine（SRBM）。SDN能自动学习多级特征和显著性，而SRBM用于对不同混乱级别的建模。通过预训练和类EM算法，提高了模型性能，并在Caltech和ETH数据集上取得良好效果。

摘要由CSDN通过智能技术生成

深度学习行人检测应用二

涉及论文

*Luo, P., et al. (2014). Switchable deep network for pedestrian detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.”

摘要

提出一种可切换深度网络，Switchable Deep Network（SDN）用于行人检测。SDN可以自动学习多级特征，显著性特征和不同身体部分的混合。行人检测面临一些挑战，如背景杂乱，由姿势、视角不同和一些其他因素造成的行人表现多变性。其中一个主要贡献是提出一种SRBM（Switchable Restricted Boltmann Machine），来给不同级的混乱进行建模。在特征级，自动估计了显著性map来对每个测试样本为了从可区分的区域中区分背景clusters。在身体部分级，可以推断出最合适的全身和部分集合的模型。并且提出了一种高效预训练SDN的方法。本算法在Caltech和ETH数据集上进行了评估。