摘要

行人检测在人群中的应用是一个极具挑战性的问题。本文通过提出一种新颖的非极大值抑制（Non-Maximum Suppression, NMS）算法来改进检测器给出的边界框，以更好地解决这一问题。本文的主要贡献有三个方面：(1) 我们提出了自适应NMS（adaptive-NMS），该方法根据目标密度为每个实例动态调整抑制阈值；(2) 我们设计了一个高效的子网络来学习密度分数，该子网络可以方便地嵌入到单阶段和两阶段检测器中；(3) 我们在CityPersons和CrowdHuman基准测试中取得了最先进的结果。