Examiner de plus près les piétons

Dans cet article, nous étudions l'utilisation des réseaux de neurones convolutifs (convnets) pour la tâche de détection des piétons. Malgré leurs succès divers et récents, les convnets ont historiquement sous-performé par rapport à d'autres détecteurs de piétons. Nous omettons délibérément de modéliser explicitement le problème dans le réseau (par exemple, la modélisation des parties ou de l'occlusion) et montrons que nous pouvons atteindre une performance compétitive sans recourir à des techniques supplémentaires. Dans une large gamme d'expériences, nous analysons des convnets petits et grands, leurs choix architecturaux, leurs paramètres, ainsi que l'influence de différents ensembles de données d'entraînement, y compris le pré-entraînement sur des tâches substitutives.Nous présentons les meilleurs détecteurs convnets sur les ensembles de données Caltech et KITTI. Sur Caltech, nos convnets atteignent les meilleures performances tant pour la configuration d'entraînement Caltech1x que pour celle de Caltech10x. En utilisant des données supplémentaires lors de l'entraînement, notre modèle convnet le plus performant est compétitif même face aux détecteurs qui utilisent des données supplémentaires (flux optique) lors du test.