Réseaux Neuronaux Convolutifs au Niveau des Parties pour la Détection de Piétons en Utilisant l'Alignement de la Saliency et de la Boîte de Contour

Les piétons dans les vidéos présentent une grande variété d'apparences, notamment des postures corporelles, des occultations et des arrière-plans complexes. Un problème récurrent en détection de piétons est le décalage de proposition (proposal shift), qui entraîne la perte de parties du corps telles que la tête et les jambes. Pour remédier à ce problème, nous proposons dans cet article des réseaux neuronaux convolutifs (CNN) au niveau des parties pour la détection de piétons, utilisant la salience et l'alignement des boîtes englobantes. Le réseau proposé se compose de deux sous-réseaux : un sous-réseau de détection et un sous-réseau d'alignement. Nous utilisons la salience dans le sous-réseau de détection pour éliminer les faux positifs tels que les poteaux électriques et les arbres. Nous adoptons l'alignement des boîtes englobantes sur les propositions de détection dans le sous-réseau d'alignement pour résoudre le problème de décalage de proposition. Tout d'abord, nous combinons le FCN (Fully Convolutional Network) et le CAM (Class Activation Mapping) pour extraire des caractéristiques profondes destinées à la détection des piétons. Ensuite, nous appliquons un CNN au niveau des parties pour rappeler les parties du corps perdues. Les résultats expérimentaux sur divers jeux de données montrent que la méthode proposée améliore considérablement la précision en détection de piétons et surpasse les méthodes actuelles les plus performantes en termes de taux moyen logarithmique de fausses omissions par image (log average miss rate at false position per image - FPPI).