以注意引导的样本为基础的功能增强网络用于使用视觉传感器检测拥挤的行人
Shuyuan Tang1,2,3,4, Yiqing Zhou1,2,3,4, Jintao Li1,2,3,4
1State Key Laboratory of Processors, Institute of Computing Technology, Chinese Academy of Sciences (CAS), Beijing 100190, China.
Sensors (Basel, Switzerland)
|October 16, 2024
概括
堵塞阻碍了行人检测. 新的注意引导特征增强网络 (AGFEN) 通过增强特征和改进预测来改进深度学习模型,显著提高复杂城市环境中的检测准确性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 类间和类内部的遮蔽是基于计算机视觉的行人检测的一个重大挑战.
- 现有的单阶段和双阶段探测器在复杂的城市环境中扎着阻塞,导致性能降低.
研究的目的:
- 引入一种新的深度卷积神经网络架构,即注意力引导特征增强网络 (AGFEN).
- 解决目前因封闭引起的行人检测方法的局限性.
主要方法:
- 通过采样,通过模拟面罩调制,AGFEN通过将高层特征映射到低层细节来增强语义信息.
- 它改善了频道级和空间级的功能,没有额外的注释成本.
- 一到多个提案预测范式和使用分类权重的ROI特征聚合可以减轻错误阳性.
主要成果:
- 在CrowdHuman数据集上,AGFEN表现出比基线检测器2.38%的改进.
- 在三个基准数据集上的实验评估证实了拟议架构的有效性.
结论:
- 在封闭的场景中,AGFEN为提高行人检测准确度提供了一个有希望的解决方案.
- 该网络能够增强功能和完善预测的能力,有可能在现实应用中推进计算机视觉技术.
