科研之友
微信
新浪微博
Facebook
分享链接
摘要
行人检测器对算法的速度和精确度有很高的要求。虽然基于深度卷积神经网络(DCNN)的行人检测器具有较高的检测精度，但是这类检测器对硬件设备的计算能力要求较高，因此，这类行人检测器无法很好地部署到诸如移动设备、嵌入式设备和自动驾驶系统等轻量化系统中。基于此，提出了一种更好地平衡速度和精度的轻量级行人检测器(EPDNet)。首先，主干网络的浅层卷积使用深度可分离卷积以压缩模型的参数量，深层卷积使用标准卷积以提取高级语义特征。另外，为了进一步提高模型的性能，主干网络采用特征融合方法来增强其输出特征的表达能力。通过实验对比分析，EPDNet在2个具有挑战性的行人数据集Caltech和CityPersons上表现出了优越的性能，与基准模型相比，EPDNet在速度和精确度之间获得了更好的权衡，EPDNet的速度和精确度同时得到了提高。
- 单位
