هل يحقق R-CNN الأسرع أداءً جيدًا في اكتشاف المشاة؟

اكتشاف المشاة يعتبر موضوعًا خاصًا يتجاوز اكتشاف الأشياء بشكل عام. رغم أن أجهزة اكتشاف الأشياء الحديثة مثل Fast/Faster R-CNN [1، 2] قد أظهرت أداءً ممتازًا في اكتشاف الأشياء بشكل عام، إلا أنها حققت نجاحًا محدودًا في اكتشاف المشاة، وكان معظم المكتشفات الرائدة السابقة للمشاة طرق هجينة تجمع بين الخصائص المصممة يدويًا والخصائص التوलيدية العميقة. في هذا البحث، نستكشف القضايا المتعلقة باستخدام Faster R-CNN [2] لاكتشاف المشاة. نجد أن شبكة اقتراح المناطق (Region Proposal Network - RPN) في Faster R-CNN تعمل بشكل جيد كمكتشف مشاة مستقل، ولكن بشكل مفاجئ، يقلل المصنف اللاحق من جودة النتائج. نعتقد أن هناك سببين رئيسيين لعدم الدقة الكافية: (أ) قلة دقة خرائط الخصائص اللازمة للتعامل مع الحالات الصغيرة، و(ب) عدم وجود أي استراتيجية تعزيزية لاكتشاف الأمثل السلبية الصعبة. بدفع من هذه الملاحظات، نقترح خط أساس بسيط ولكنه فعال لاكتشاف المشاة، يستخدم شبكة اقتراح المناطق (RPN) يتبعها غابات معززة على خرائط خصائص توलيدية عالية الدقة مشتركة. نقيم هذه الطريقة بشكل شامل على عدة مقاييس (Caltech، INRIA، ETH، و KITTI)، مما يظهر دقة تنافسية وسرعة جيدة. سيتم توفير الكود للجمهور.参考文献:[1] Fast R-CNN[2] Faster R-CNN