行人检测几篇论文相关笔记
这部分内容会持续更新，比较难的论文会单独开篇博文讲解，相对比较简单的就只写概要记录在此篇博文中。
PedHunter: Occlusion Robust Pedestrian Detector in Crowded Scenes
- 链接：https://arxiv.org/abs/1909.06826
- 代码：https://github.com/ChiCheng123/PedHunter（目前还未放）
- 网络架构
- 创新
其实就是mask-rcnn模型，与mask-rcnn不同的点为：
1）人体mask预测分支改为预测head的mask，并且在推断过程中，去掉mask预测分支；作用：对行人检测添加额外的监督信息，且不增加推断的计算量；
2）rpn选择proposal更加严格：iou阈值从0.5调整为0.7；作用：用来训练的正例质量更高，预测效果更好；
3）数据增强：为了对遮挡情况鲁棒性更好，将行人检测框分为五部分：头部，左上身、右上身、坐下身、右下身，训练时，每个图像groud truth内以0.5的概率随机遮挡后四部分的其中一部分，将值替换成imageNet中的均值。
4）提供一个新的行人检测数据集：SUR-PED