CrowdHuman: 人群中的ヒューマン検出のベンチマーク

近年、人間検出技術は著しい進歩を遂げています。しかし、密集した環境での人間の検出における遮蔽問題はまだ解決されていません。さらに、現在の人間検出ベンチマークでは、群衆シナリオが十分に代表されていないという課題があります。本論文では、群衆シナリオでの検出器の評価を改善するために新しいデータセット「CrowdHuman」を紹介します。「CrowdHuman」データセットは大規模で、豊富なアノテーションを持ち、高い多様性を含んでいます。訓練および検証サブセットから合計47万（470K）の人間インスタンスがあり、画像あたり約22.6人の人物が含まれており、データセット内には様々な種類の遮蔽が存在します。各人間インスタンスには頭部バウンディングボックス、人間の可視領域バウンディングボックス、そして人間の全身バウンディングボックスがアノテーションされています。最新の検出フレームワークにおける「CrowdHuman」データセットのベースライン性能について報告します。「CrowdHuman」データセットのクロスデータセット汎化結果は、Caltech-USA, CityPersons, および Brainwash などの以前のデータセットにおいても装飾なしで最先端の性能を示しています。私たちはこのデータセットが堅固なベースラインとして機能し、今後の人間検出タスクに関する研究を促進することを期待しています。