文件名称：基于稀疏编码和转移学习的行人检测
文件大小：2.51MB
文件格式：PDF
更新时间：2024-05-30 12:11:13
Pedestrian detection; Transfer learning; Sparse
行人检测是视频监控中的一个基本问题，近年来已经取得了长足的进步。 然而，事实证明，训练在各种场景下表现良好的通用检测器非常困难。 另一方面，特别是对于视频监视应用，为每个特定场景花费大量的手动标签工作以实现高检测精度是不可接受的。 为了减轻手工标注的工作量，同时又不影响检测的准确性，我们提出了一种基于稀疏编码的行人检测转移学习框架。 在我们的方法中，使用通用检测器获取初始目标样本，然后使用多个过滤器从初始目标样本中选择一小部分样本（称为目标模板），我们非常确定其标签和置信度值。 源样本与目标模板之间的相关性以及目标样本与目标模板之间的相关性通过稀疏编码进行估算，然后用于计算源样本和目标样本的权重。 通过在重新训练过程中对所有这些样本添加基于稀疏编码的权重，我们不仅可以排除源样本中的离群值，而且可以解决目标样本中的漂移问题，从而获得一种针对特定场景的行人检测器。 我们在两个公共数据集上的实验表明，我们训练有素的特定场景行人探测器性能良好，并且与在从目标场景手动标记的大量训练样本上训练的探测器具有可比性。