具有神经级联分类器的卷积神经网络用于行人检测

传统方法(例如ACF)和卷积神经网络(CNN)的结合在行人检测中取得了巨大的成功。 尽管行之有效,但该方法的设计却是复杂的。 与仅使用最后一个卷积层的Faster R-CNN不同,我们利用了来自多个层的特征并将其馈送到神经级联分类器。 这样的体系结构倾向于使用更底层的功能并在网络中实施硬性否定挖掘过程。 这两个因素在行人检测中都很重要。 在我们的统一网络中,神经级联分类器与Faster R-CNN联合训练。所提出的网络以更简洁的框架和更快的处理速度,可与Caltech行人数据集上的最新技术相媲美。 同时,通过我们的方法获得的检测结果更紧密,更准确。