行人检测最新论文简介
转自:http://blog.csdn.net/dpstill/article/details/22420065
序号 |
文章简介 |
论文 |
出处 |
0 |
2012年PAMI登的行人检测的综述性文章: pedestrian detection an evaluation of the state of the art 作者:Piotr Dollar 文中对比了很多最新的行人检测的算法。这篇论文简称为PAMI2012 |
pedestrian detection an evaluation of the state of the art |
|
1 |
PAMI2012综述文章中,排名第一的算法: New Features and Insights for Pedestrian Detection 文中使用改进的HOG,即HOF和CSS(color self similarity)特征,使用HIK SVM分类器。 本文的作者是德国人:Stefen Walk。目前Stefan Walk在苏黎世联邦理工大学任教。 |
New features and insights for pedestrian detection |
https://www.d2.mpi-inf.mpg.de/CVPR10Pedestrians |
2 |
PAMI2012综述文章中,排名第2的算法: 加州理工学院2009年行人检测的文章:Integral Channel Features(积分通道特征) 这篇文章与2012年PAMI综述文章是同一作者。 作者:Piotr Dollar |
Integral channel features |
http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/ 各种行人检测的库和演示代码 Matlab代码中包含完整的训练和测试的算法源码。压缩包里面的代码包含了作者几乎所有论文中讲到的算法,其中,作者最新的PAMI2014论文的代码也包含在这个压缩包里面。 |
3 |
PAMI2012综述文章中,排名第3的算法 The Fastest Pedestrian Detector in the West 这篇文章与2012年PAMI综述文章是同一作者。 作者:Piotr Dollar |
The Fastest Pedestrian Detector in the West |
文章作者的主页: http://vision.ucsd.edu/~pdollar/research.html 文章中算的matlab代码下载页面: http://vision.ucsd.edu/~pdollar/toolbox/doc/index.html |
4 |
作者Piotr Dollar于2009年写的行人检测的文章 |
Pedestrian Detection A Benchmark . |
|
5 |
CVPR2008: A Discriminatively Trained, Multiscale, Deformable Part Model PAMI2010: Object Detection with Discriminatively Trained Part Based Models CVPR2010: Cascade Object Detection with Deformable Part Models 以上三篇文章,都是作者研究DPM算法做目标检测的文章,有源代码可以下载。在PAMI2012综述文章中,没有提及这个算法,不知道什么原因。 |
A Discriminatively Trained, Multiscale, Deformable Part Model Object Detection with Discriminatively Trained Part Based Models Cascade Object Detection with Deformable Part Models |
作者的个人主页: http://cs.brown.edu/~pff/papers/ |
6 |
IJCV2014年的文章,利用DPM模型,检测粘连情况很严重的行人,效果很好。 |
Detection and Tracking of Occluded People |
目前找不到该论文相关的源码。 |
7 |
ICCV2013: 简 称UDN算法,从文中描述的检测效果来看,该方法是所有方法中最好的,并且,效果远超过其他方法。经过对论文和该算法源码的研究,该算法是与作者另外一篇 论文的方法 ,另外的论文算法做图片扫描,得到矩形框,然后用该方法对矩形框进行进一步确认,以及降低误警率和漏警率。另外的论文是:Multi-Stage Contextual Deep Learning for Pedestrian Detection 说得难听一点,这篇文章对行人检测没有多大的贡献。仅仅是用深度学习的CNN做candidate window的确认。而主要的行人检测的算法还是HOG+CSS+adaboost |
Joint Deep Learning for Pedestrian Detection Multi-Stage Contextual Deep Learning for Pedestrian Detection |
香港中文大学,Joint Deep Learning for Pedestrian Detection,行人检测论文的相关资源: http://www.ee.cuhk.edu.hk/~wlouyang/projects/ouyangWiccv13Joint/index.html |
8 |
ECCV2010年的论文: Multiresolution models for object detection 文中描述的算法效果相当好,但是,作者没有公布源码。不知道论文中的效果是否属实。 |
Multiresolution models for object detection |
Multires算法检测行人,作者的个人主页: http://www.ics.uci.edu/~iypark/ 作者未公布源代码,也没有公布demo |
9 |
ICCV2009年的论文,检测效果与Piotr Dollar的效果可以匹敌。作者只公布了测试软件,并没有公布源码。 文中采用HOG+LBP特征,这种特征,与Centrist特征类似,能够描述人体全局轮廓,都具有较好的检测效果。 |
An HOG-LBP Human Detector with Partial Occlusion Handling |
http://www.xiaoyumu.com/ http://vision.ece.missouri.edu/~wxy/index.html http://web.missouri.edu/~hantx/ |
10 |
使用Centrist特征,Centrist是LBP特征的改进。作者将Centrist特征与HOG、LBP特征做了比较,证明Centtrist特征在描述行人方面,具有很好的效果。 作者是华人,在南阳理工读的博士。个人理解,Centrist特征没有多大的创新,与LBP并没有太大的差异。作者自己也在文中表示,算法的效果没有HOG和LBP好,仅仅是算法的速度较快。 |
Real-Time Human Detection Using Contour Cues |
源码中只有测试源码,没有训练分类器的代码。 http://www.c2i.ntu.edu.sg/jianxin/projects/C4/C4.htm |
总体上来说,这些最新的文章中,最好的有三个方面的方法:
1)改进的HOG+改进的SVM。也就是PAMI2012中排名第一的论文中的方法。可惜找不到源码。
2) HOF+CSS+adaboost.。也就是PAMI2012中排名第二的方法。能找到matlab源码。
3) HOG+LBP+SVM方法。也就是上表中序号为9的论文中的方法。没有源码。
4) DPM。也就是上表中序号5、6中的方法,有源码。
行人检测最新论文简介相关推荐
- 一文看尽10篇目标检测最新论文(SpineNet/AugFPN/LRF-Net/SABL/DSFPN等)
点击上方"CVer",选择加"星标"或"置顶" 重磅干货,第一时间送达 前言 一周前 Amusi 整理了 目标检测(Object Detec ...
- 一文看尽10篇目标检测最新论文(MetaOD/P-RSDet/MatrixNets等)
前言 恰逢 2020年,本文再次更新近期值得关注的最新检测论文.这次分享的paper将同步推送到 github上,欢迎大家 star/fork(点击阅读原文,也可直接访问): https://gith ...
- 行人检测:论文翻译Histograms of Oriented Gradients for Human Detection
用于人体检测的方向梯度直方图 Na ...
- 在CNNs中通过引导注意力进行遮挡行人检测(论文翻译)
Occluded Pedestrian Detection Through Guided Attention in CNNs based on the FasterRCNN 1.介绍 为了在一个连贯的 ...
- 一文看尽8篇目标检测最新论文(EfficientDet/EdgeNet/ASFF/RoIMix/SCL/EFGRNet等)
前言 为了方便大家阅读,我已经将其中的目标检测(Object Detection)论文整理出来. 本文分享的目标检测论文将同步推送到 github上,欢迎大家 star/fork(点击阅读原文,也可直 ...
- 异常检测最新论文列表
Anomaly detection paper list github Survey Paper Deep Learning for Anomaly Detection: A Survey | [ar ...
- 信号检测与估计理论 pdf_CVPR2020|行人检测与重识算法推荐论文源码大盘点
本文收集了CVPR 2020 一些行人检测与人员重识别优秀论文,我们知道在视频监控相关领域这些技术方向可以得到很好得广泛应用. 行人检测及人群计数从内容来看主要解决行人与行人.行人与物体间的遮挡透视, ...
- CVPR 2020 论文大盘点-行人检测与重识别篇
本文盘点CVPR 2020 所有行人检测(Pedestrian Detection)与人员重识别(Person Re-Identification,ReID)相关论文,在视频监控领域该方向技术应用广泛 ...
- 2016CVPR目标检测论文简介
目标检测的指标: 1)识别精度 2)识别效率 3)定位准确性 CVPR2016专题: CVPR/ICCV目标检测最新论文 2016年的CVPR目标检测(这里讨论的是2D的目标检测)的方法主要是 基于C ...
最新文章
- java中的标识符和关键字_浅谈java中的标识符、修饰符和关键字
- spring_IOC_自動裝配
- 【数据分析实例】1000 万条淘宝用户行为数据实时分析
- nginx upstream配置_Prometheus快速监控Nginx
- a4988 脉宽要求_A4982/A4984/A4985和A4988设备主要针对办公室自动化市场
- freecplus框架-xml解析
- opencv 在工业中的应用:blob分析
- python能自学成功吗-自学入门Python能学会吗?
- Html5的测试总结
- C#:Md5和Sha1两种加密方式
- asp 读取 json 数据
- html5 拖放游戏,HTML5拖放API实现拖放排序的实例代码
- 中国气象局发布实施细则 推进气象数据安全合规有序开放共享
- 在w ndoWS7中屏幕保护程序,怎么设置Windows 7屏幕保护时间
- pytorch和python的区别_Keras和PyTorch的视觉识别与迁移学习对比
- 地图标识符号大全_【好玩微信小游戏大全】虫虫逃亡:烧脑游戏佳作!强烈推荐!...
- 神经网络 深度神经网络,深度神经网络知识图谱
- 不能打开到主机的连接, 在端口 1521: 连接失败
- Python如何把图片转为Base64字符串
- 科学计算机开车,教机器人开车,错误的演示也有用?