CityPersons: Ein vielfältiger Datensatz für die Erkennung von Fußgängern

ConvNets haben in der Fußgängererkennung kürzlich erhebliche Fortschritte ermöglicht, es gibt jedoch weiterhin offene Fragen hinsichtlich geeigneter Architekturen und Trainingsdaten. Wir überarbeiten die CNN-Designs und weisen auf wichtige Anpassungen hin, die es dem einfachen Faster R-CNN ermöglichen, auf dem Caltech-Datensatz erstklassige Ergebnisse zu erzielen.Um durch mehr und bessere Daten weitere Verbesserungen zu erreichen, führen wir CityPersons ein, eine neue Reihe von Personenannotierungen basierend auf dem Cityscapes-Datensatz. Die Vielfalt von CityPersons ermöglicht es uns zum ersten Mal, ein einzelnes CNN-Modell zu trainieren, das sich bei mehreren Benchmarks gut verallgemeinert. Darüber hinaus erhalten wir mit zusätzlicher Trainingsschritten unter Verwendung von CityPersons erstklassige Ergebnisse mit Faster R-CNN auf dem Caltech-Datensatz, insbesondere bei schwierigeren Fällen (starker Verdeckung und kleinem Maßstab), wobei wir eine höhere Lokalisationsqualität bieten.