科学家研发基于双模全卷积网络的行人检测算法

近日，中科院沈阳自动化所研究人员在基于双模全卷积网络的行人检测算法的研究方面取得重要进展，相关成果以封面文章发布于《红外与激光工程》。

行人检测技术是自动驾驶、机器人以及智能视频监控等研究领域的核心技术。研究人员通过对基于共享特征提取网络的目标检测网络和弱监督训练语义分割网络的输出结果进行融合，得到目标最终检测结果的方法可兼顾目标检测的精度与速度。

研究人员首先通过改进的YOLO检测网络对图像中的目标进行检测，得到一系列候选区域。在此基础上，分析了候选区域中虚警与漏警的成因，发现前景与背景的区分错误对检测准确率影响较大。

基于此，利用通过弱监督训练的语义分割网络得到的图像像素级分类结果将前景与背景区分开来，并在此基础上，提出了一种模型融合方法，将语义分割结果作为二进制掩模与原有检测结果进行融合，提升了算法的精度，最终完成检测。实验结果表明，算法在检测速度与精度方面都具有较高的性能，具有重要的工程意义。