النظر بشكل أعمق في المشاة

في هذه الورقة، ندرس استخدام شبكات العصبونات التلافيفية (convnets) في مهمة اكتشاف المشاة. على الرغم من النجاحات المتنوعة الحديثة لهذه الشبكات، فإنها تاريخيًا تتفوق بشكل أقل مقارنة ب remaining pedestrian detectors الأخرى. نتجاهل عمداً نمذجة المشكلة بشكل صريح داخل الشبكة (مثل نمذجة الأجزاء أو الإخفاء) ونظهر أننا يمكن أن نحقق أداءً تنافسيًا دون إضافة تعقيدات إضافية. في مجموعة واسعة من التجارب، نحلل شبكات عصبونات تلافيفية صغيرة وكبيرة، اختيارات هياكلها، معالمها، وتؤثر بيانات التدريب المختلفة، بما في ذلك التدريب الأولي على المهام البديلة.نقدم أفضل كاشفات الشبكات العصبونية التلافيفية على مجموعتي بيانات كالتك وكيتي. على كالتك، تصل شبكاتنا العصبونية التلافيفية إلى أعلى الأداء لكل من إعدادات التدريب كالتك1x وكالتك10x. باستخدام بيانات إضافية أثناء التدريب، يكون نموذج شبكة العصابات التلافيفية الأقوى لدينا تنافسيًا حتى بالنسبة للكاشفات التي تستخدم بيانات إضافية (تدفق الضوء البصري) أثناء الاختبار.