摘要

尽管基于Faster R-CNN的两阶段检测器在行人检测精度上取得了显著提升，但其运行速度仍难以满足实际应用的需求。一种可行的解决方案是将该检测流程简化为单阶段检测器。然而，当前的单阶段检测器（如SSD）在主流行人检测基准测试中尚未展现出具有竞争力的检测精度。本文旨在设计一种兼具SSD速度优势与Faster R-CNN精度表现的高效行人检测器。为此，提出了一种结构简洁但效果显著的模块——渐进式定位拟合（Asymptotic Localization Fitting, ALF），该模块通过堆叠一系列预测器，逐步将SSD的默认候选框（anchor boxes）迭代优化，从而不断提升检测结果。在训练过程中，后续的预测器能够获得数量更多、质量更高的正样本，同时可通过逐步提高IoU阈值的方式挖掘更具挑战性的负样本。在此基础上，本文进一步设计了一种高效的单阶段行人检测架构（命名为ALFNet），在CityPersons和Caltech两个最大的行人检测基准上均取得了当前最优的性能表现，实现了精度与速度的双重优越性，因而成为兼具高精度与高效率的实用化行人检测器。代码已公开，获取地址为：https://github.com/VideoObjectSearch/ALFNet。