(论文笔记)Deep Learning Strong Parts for Pedestrian Detection

这篇论文做的主要创新是，使用对身体的局部检测来降低对行人检测的丢失率。进行局部检测的目的主要是为了处理行人身体被遮挡的问题。

关于论文的部分检测器（Part Detectors）
训练部分检测器，
1、先构造了部分池（Part Pool）
2、对于每一个部分，训练一个单独的检测器
3、使用互补的部分检测器推断出全身的得分

部分池
使用2m*m的网格来定义一个人的全身，将身体的部分原型（Part prototype）定义为P={(x,y,w,h,i)|x,y为正整数，w,h分别为网格的宽高,i表示第几个部分原型（Part prototype）}。其中，为了避免可能有太细小的部分生成，使w和h的最小值为2。在具体的实现中定义了45个部分原型。

 

 

对于每个Part，都单独训练了卷积网络分类器。对于特定部分块的生成（Part Specific Patch Generation），（1）负样本为对应区域不是行人的候选区;（2）正样本是当ground truth中可见得部分能覆盖部分原型（Part prototype）时，提取对应部分为作为正样本。

 

处理偏移问题
在单方向上相对ground truth偏移10%，就会使IoU为0.9，但是当在两个方向同时偏移10%时，IoU就成了0.68，这就可能导致人体重要部分丢失，所以就要解决偏移问题。如果使用抖动的方法在每个候选区上截取多个图像块，然后用这些图像块去进行检测，花费的时间太多（每个候选区截取k个图像块，就会使测试时间增加k倍）。
为了减少时间花费，使用一个改装的（reformulate）带有全连接层的卷积神经网络，使其不受图像输入规格的限制,称其为全卷积神经网络（fully convolutional neural network）。将每个图像块送给全卷积神经网络之前，重调它的大小为(227+32n)*(227+32n),最后就可以得到对应于每个227*227区域的(1+n)*(1+n)个score map。最后的得分是这些score map中的值减去惩罚因子后的最大值。