Occlusion-aware R-CNN: 군중에서 보행자 검출

혼잡한 장면에서 보행자 검출은 보행자들이 종종 함께 모여 서로를 가리는 경우가 많아 어려운 문제입니다. 본 논문에서는 군중 환경에서의 검출 정확도를 향상시키기 위해 새로운 가림 인식 R-CNN (OR-CNN)을 제안합니다. 구체적으로, 제안된 방법은 새로운 집계 손실(aggregation loss)을 설계하여 제안(proposals)이 해당 객체에 가깝고 밀집하게 위치하도록 강제합니다. 동시에, 새로운 부분 가림 인식 관심 영역(PORoI) 풀링 유닛을 사용하여 RoI 풀링 레이어를 대체하여, 인간 몸체의 사전 구조 정보와 가시성 예측을 네트워크에 통합하여 가림을 처리합니다. 우리의 검출기는 end-to-end 방식으로 학습되며, CityPersons, ETH, INRIA 세 개의 보행자 검출 데이터셋에서 최신 연구 결과(state-of-the-art results)를 달성하였으며, Caltech 데이터셋에서도 최신 기술들과 동등한 성능을 보였습니다.