罗海波 1,2,3,4,*何淼 1,2,3,4惠斌 1,3,4常铮 1,3,4
1 中国科学院沈阳自动化研究所, 辽宁 沈阳 110016
2 中国科学院大学, 北京 100049
3 中国科学院光电信息处理重点实验室, 辽宁 沈阳 110016
4 辽宁省图像理解与视觉计算重点实验室, 辽宁 沈阳 110016
在近距离行人检测任务中, 平衡算法的检测精度与检测速度对于检测算法的实际应用有着重要意义。为了快速并准确地检测出近景行人目标, 提出了一种基于模型融合全卷积网络的行人检测算法。首先,通过全卷积检测网络对图像中的目标进行检测, 得到一系列候选框; 其次, 通过弱监督训练的语义分割网络得到图像的像素级分类结果; 最后, 将候选框与像素级分类结果融合, 完成检测。实验结果表明: 算法在检测速度与精度方面都具有较高的性能。
深度学习 弱监督训练 行人检测 语义分割 deep learning weakly supervised training pedestrian detection semantic segmentation 红外与激光工程
2018, 47(2): 0203001
