行人檢測幾篇論文相關筆記

這部分內容會持續更新，比較難的論文會單獨開篇博文講解，相對比較簡單的就只寫概要記錄在此篇博文中。

PedHunter: Occlusion Robust Pedestrian Detector in Crowded Scenes

• 鏈接：https://arxiv.org/abs/1909.06826
• 代碼：https://github.com/ChiCheng123/PedHunter（目前還未放）
• 網絡架構
  
• 創新
  其實就是mask-rcnn模型，與mask-rcnn不同的點爲：
  1）人體mask預測分支改爲預測head的mask，並且在推斷過程中，去掉mask預測分支；作用：對行人檢測添加額外的監督信息，且不增加推斷的計算量；
  2）rpn選擇proposal更加嚴格：iou閾值從0.5調整爲0.7；作用：用來訓練的正例質量更高，預測效果更好；
  3）數據增強：爲了對遮擋情況魯棒性更好，將行人檢測框分爲五部分：頭部，左上身、右上身、坐下身、右下身，訓練時，每個圖像groud truth內以0.5的概率隨機遮擋後四部分的其中一部分，將值替換成imageNet中的均值。
  4）提供一個新的行人檢測數據集：SUR-PED

Attribute-aware Pedestrian Detection in a Crowd

• 鏈接：https://arxiv.org/pdf/1910.09188v2.pdf
• 代碼：https://github.com/kalyo-zjl/APD（只放了測試代碼）
• 網絡架構
  
• 創新
  一階段anchor-free的預測框。利用backbone提取特徵，然後採用四個分支進行網絡預測。
  1）center分支：map大小爲$R^{\frac{W}{r}\times\frac{H}{r}\times1}$，（W, H）爲原始圖像尺寸，r爲stride，預測center map中的每個點爲中心點的概率。
  2）scale分支：map大小爲$R^{\frac{W}{r}\times\frac{H}{r}\times2}$, 預測bounding box的寬和高；
  3）offset分支：map大小爲$R^{\frac{W}{r}\times\frac{H}{r}\times2}$，預測中心點的偏移；
  4）Attribute map: map大小爲KaTeX parse error: Undefined control sequence: \timesm at position 32: …imes\frac{H}{r}\̲t̲i̲m̲e̲s̲m̲},每個點學習一個向量，對於正例，利用這個向量可以得到兩個bounding box之間的密集度和差異度。
  5）上述四個分支的結和：利用center分支和offset分支得到精度的中心點位置，再利用scale得到bounding box框，後處理時，利用attribute分支得到的屬性採用Attribute-aware NMS算法得到最終的結果。
  6）Attribute-aware NMS算法
  
  上述爲僞代碼，整體思想爲：只有當M框的密集度比較大而且M框與候選框的差異度比較大時，nms的閾值會比較大，其他時候nms閾值都較小。