摘要
在拥挤场景中进行行人检测是一个具有挑战性的问题，因为行人经常聚集在一起并相互遮挡。本文提出了一种新的遮挡感知R-CNN（OR-CNN），以提高在人群中的检测精度。具体而言，我们设计了一种新的聚合损失函数，以强制候选框靠近并紧密定位到相应的物体上。同时，我们引入了一种新的部分遮挡感知感兴趣区域（PORoI）池化单元来替代RoI池化层，以便将人体结构的先验信息与可见性预测整合到网络中，从而处理遮挡问题。我们的检测器采用端到端的方式进行训练，在CityPersons、ETH和INRIA三个行人检测数据集上取得了最先进的结果，并且在Caltech数据集上的表现也与当前最佳方法相当。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| pedestrian-detection-on-caltech | OR-CNN + CityPersons dataset | Reasonable Miss Rate: 4.1 |
| pedestrian-detection-on-citypersons | OR-CNN | Bare MR^-2: 6.7 Heavy MR^-2: 55.7 Partial MR^-2: 15.3 Reasonable MR^-2: 12.8 |