Fused DNN: 보행자 검출을 위한 빠르고 강건한 딥 뉴럴 네트워크 융합 접근법

우리는 빠르고 강건한 보행자 검출을 위한 깊은 신경망 융합 아키텍처를 제안합니다. 제안된 신경망 융합 아키텍처는 여러 네트워크의 병렬 처리를 통해 속도를 향상시킵니다. 단일 샷 딥 컨볼루셔널 네트워크는 다양한 크기와 가림 상태의 모든 가능한 보행자 후보를 생성하기 위해 객체 검출기로 훈련됩니다. 이 네트워크는 대부분의 실제 보행자를 포함하면서도 많은 수의 거짓 양성을 도입하여 다양한 보행자 후보들을 출력합니다. 다음으로, 여러 개의 딥 신경망이 병렬로 사용되어 이러한 보행자 후보들의 추가적인 정교화를 수행합니다. 우리는 소프트 거부 기반의 신경망 융합 방법을 소개하여 모든 네트워크에서 생성된 소프트 메트릭을 통합하여 최종 신뢰 점수를 생성합니다. 우리의 방법은 특히 작은 크기와 가려진 보행자를 검출할 때 기존 최신 기술보다 우수한 성능을 나타냅니다. 또한, 우리는 픽셀 단위 의미 분할 네트워크를 신경망 융합 아키텍처에 통합하는 방법을 제안하여 보행자 검출기를 강화합니다. 이 접근 방식은 Caltech Pedestrian 데이터셋에서 대부분의 프로토콜에서 최신 기법보다 우수한 성능을 나타내며, 몇몇 프로토콜에서는 상당한 향상을 보입니다. 또한, 이 방법은 다른 모든 방법보다 빠릅니다.