Pedestrian Detection with Spatially Pooled Features and Structured Ensemble Learning
The University of Adelaide（阿德莱德大学）；Australian Research Council Centre of Excellence for Robotic Vision（澳大利亚研究委员会机器人视觉卓越中心）
目标检测的许多典型应用在规定的假阳性范围内操作。在这种情况下，检测器的性能应该根据该范围内的ROC曲线下的面积进行评估，而不是整个曲线，因为范围外的性能无关紧要。该量度标记为ROC曲线下部分面积（pAUC）。我们提出了一种新的集成学习方法，通过使用结构化学习直接优化部分AUC，在用户定义的误报率范围内实现最大检测率。为了实现高的目标检测性能，我们提出了一种新的方法来提取低层次的视觉特征的基础上空间池。扩展空间池化提高了平移不变性，从而提高了检测过程的鲁棒性。合成和真实世界的数据集上的实验结果表明，我们的方法的有效性，我们表明，它是可能的训练国家的最先进的行人检测器使用所提出的结构化集成学习方法与空间汇集功能。其结果是目前在Caltech-USA行人检测数据集上报告的最佳性能。
2015-06-28 cs.CV cs.LG
Hyperspectral vs. RGB for Pedestrian Segmentation in Urban Driving Scenes: A Comparative Study
School of Engineering, University of Galway（Galway大学工程学院）；Ryan Institute, University of Galway（Galway大学Ryan学院）；Valeo Vision Systems（Valeo视觉系统）
本研究比较了高光谱与RGB在城市驾驶场景中行人分割的效果，发现CSNR-JMIM方法在行人和骑手分割中均取得显著提升。
2025-08-15 cs.CV
MetaFusion: Controlled False-Negative Reduction of Minority Classes in Semantic Segmentation
University of Wuppertal（伍珀塔尔大学）；Volkswagen Group Innovation（大众汽车集团创新中心）
在语义分割数据集中，高重要性的类经常被表示不足，例如，街头场景中的人类神经网络通常被训练来减少错误的总数，对所有类型的错误附加相同的损失。然而，这并不一定符合人类的直觉。例如，一个被忽视的行人似乎比一个被错误检测的行人更严重。一种可能的补救方法是通过引入类先验知识来部署不同的决策规则，该先验知识为代表性不足的类分配更大的权重。虽然减少了代表性不足的类别的假阴性，但同时这导致假阳性指示的大量增加。在这项工作中，我们结合决策规则的方法进行假阳性检测。因此，我们将假阴性检测与基于不确定性的假阳性Meta分类相融合。我们提出了CIFAR-10的概念验证结果，并证明了我们的方法的有效性的语义分割的城市景观数据集的基础上预测的实例的“人”类的街道场景。在后者中，我们采用了一种先进的假阳性检测方法，使用不确定性措施聚集的实例。因此，我们实现了改进的假阴性和假阳性样本的代表性不足的类之间的权衡。
2019-12-16 cs.CV
Selecting Learnable Training Samples is All DETRs Need in Crowded Pedestrian Detection
Chongqing University of Posts and Telecommunications（重庆邮电大学）
针对DETRs在拥挤行人检测中因样本选择不当导致假阳性增多的问题，提出SSCP方法，通过约束引导标签分配和可用性感知焦点损失选择可学习样本并自适应调节损失权重，有效提升检测性能且不增加推理开销。
2023-05-18 cs.CV
False Negative Reduction in Video Instance Segmentation using Uncertainty Estimates
University of Wuppertal, Germany（伍珀塔尔大学）
本文提出基于不确定性估计的视频实例分割中假负样本减少方法，通过时间序列不一致性检测和实例级指标优化，提升假负与假阳性样本的平衡性能。
2021-06-28 cs.CV
Fused Deep Neural Networks for Efficient Pedestrian Detection
在本文中，我们提出了一个有效的行人检测系统，设计融合多个深度神经网络（DNN）系统。行人候选人首先由Single Shot卷积多盒检测器在不同位置以各种尺度和纵横比生成。候选生成器被设计为以大量误报为代价提供大多数地面实况行人注释。然后，使用集成学习的思想部署的分类系统，以提高检测精度。该分类系统还基于多个深度验证网络和融合网络的意见对生成的候选进行分类，该融合网络利用新颖的软拒绝融合方法来调整检测结果的置信度。为了改进深度验证网络的训练，设计了一种新的软标签方法来为生成的行人候选人分配浮点标签。深度上下文聚合语义分割网络还提供场景的像素级分类，并且其结果与Single Shot检测器的检测结果软融合。我们的行人检测器在所有流行的行人检测数据集上与最先进的方法相比毫不逊色。例如，我们的融合DNN在加州理工学院行人数据集上的检测精度比所有以前的最新方法都要高，同时也是最快的。我们将加州理工学院行人数据集的对数平均错过率显著提高到7.67%，并达到了最先进的水平。
2018-05-02 cs.CV cs.LG
A Safety-Adapted Loss for Pedestrian Detection in Automated Driving
Robert Bosch GmbH, Corporate Research（罗伯特·博世有限公司企业研究部）；Technical University of Munich（慕尼黑工业大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；German Aerospace Center (DLR)（德国航空航天中心）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文提出一种安全自适应损失函数，利用行人关键性分数（基于TTC-RSB和距离）训练检测器，在nuScenes上验证能减少关键行人漏检而不损整体性能。
2024-02-05 cs.CV cs.LG
A PST Algorithm for FPs Suppression in Two-stage CNN Detection Methods
College of Mechanical and Electronic Engineering, Dalian Minzu University（大连民族大学机械与电子工程学院）
本文提出行人敏感训练（PST）算法，通过重新设计两阶段CNN的训练候选区域生成流程来抑制假阳性，显著提升MetroNext等检测器在移动和边缘设备上的行人检测精度与整体性能。
2024-05-24 cs.CV
AmphibianDetector: adaptive computation for moving objects detection
Expasoft LLC（Expasoft有限责任公司）；Institute of Automation and Electrometry of the SB RAS（俄罗斯科学院西伯利亚分院自动化与电测量研究所）
卷积神经网络（CNN）允许实现图像中目标检测任务的最高精度。目标探测器进一步发展的主要挑战是误报探测和对处理能力的高要求。在本文中，我们提出了一种目标检测的方法，它可以通过只处理移动对象来减少误报检测的数量，并降低算法推理所需的处理能力。所提出的方法是对已经训练用于目标检测任务的CNN的修改。该方法可用于通过对算法进行微小改变来提高现有系统的精度。在开放数据集“CDNet2014 pedestrian”上验证了该方法的有效性。本文中提出的方法的实现可在GitHub上找到：https://github.com/david-svitov/AmphibianDetector
2020-12-25 cs.CV
Rethinking Object Saliency Ranking: A Novel Whole-flow Processing Paradigm
China University of Petroleum (East China)（中国石油大学（华东））；Qingdao University（青岛大学）；Beijing Information Science and Technology University（北京信息科技大学）
针对显著性排序中GT顺序不合理、多任务冲突及回归方法复杂等问题，本文提出覆盖GT生成、网络设计与训练协议的全流程统一框架，并在SALICON上超越现有方法。
2023-12-06 cs.CV
Reliable Student: Addressing Noise in Semi-Supervised 3D Object Detection
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Saarland Informatics Campus（萨尔兰信息学园区）
本文提出Reliable Student框架，通过类别感知目标分配策略和可靠性加权策略缓解半监督3D目标检测中噪声伪标签对目标分配的影响，在KITTI基准上取得显著AP提升。
2024-04-27 cs.CV cs.LG
A Full-Stage Refined Proposal Algorithm for Suppressing False Positives in Two-Stage CNN-Based Detection Methods
College of Mechanical and Electronic Engineering, Dalian Minzu University（大连民族大学机械与电子工程学院）；Dalian University of Technology（大连理工大学）；Postdoctoral workstation of Dalian Rijia Electronics Co., Ltd.（大连瑞杰电子有限公司博士后工作站）；School of Computer Science and Engineering, Dalian Minzu University（大连民族大学计算机科学与工程学院）；R&D Department of Dalian Rijia Electronics Co., Ltd.（大连瑞杰电子有限公司研发部）
本文提出全阶段细化提案（FRP）算法，通过训练与推理阶段的行人特征重评估策略，在两阶段CNN检测框架中有效抑制行人误检，并在多个基准及嵌入式平台上验证其有效性。
2025-08-02 cs.AI cs.CV
NMS by Representative Region: Towards Crowded Pedestrian Detection by Proposal Pairing
Waseda University（早稻田大学）；Tencent AI Lab（腾讯人工智能实验室）
虽然行人检测技术近年来取得了很大的进展，但拥挤场景下的行人检测仍然是一个挑战。行人之间的严重遮挡对标准的非最大抑制（NMS）提出了很大的挑战。相对较低的交叉口对并集（IoU）阈值会导致错过高度重叠的行人，而较高的阈值会带来大量的误报。为了避免这种困境，本文提出了一种新的代表性区域NMS方法，利用较少遮挡的可见部分，有效地去除冗余框，而不会带来许多误报。为了获得可见部分，提出了一种新的成对盒子模型（PBM），同时预测完整的和可见的行人盒子。完整的和可见的盒子构成了一对，作为模型的样本单元，从而保证了整个检测管道中两个盒子之间的强对应性。此外，方便的功能集成的两个盒子是允许的完整和可见的行人检测任务的更好的性能。在具有挑战性的CrowdHuman和CityPersons基准上的实验充分验证了该方法在拥挤情况下行人检测的有效性。
2020-04-21 cs.CV
Part-Level Convolutional Neural Networks for Pedestrian Detection Using Saliency and Boundary Box Alignment
Sungkyunkwan University（成均馆大学）；University of Michigan（密歇根大学）；Xidian University（西安电子科技大学）
视频中的行人有着广泛的外观，如身体姿势，遮挡和复杂的背景，并且在行人检测中存在提案移位问题，导致头部和腿部等身体部位的丢失。为了解决这个问题，我们提出了部分级卷积神经网络（CNN）的行人检测使用显着性和边界框对齐在本文中。该网络由两个子网络组成：检测和对齐。我们在检测子网络中使用显着性来消除误报，如灯柱和树木。我们采用限界框对齐的方法对对齐子网络中的检测建议进行对齐，以解决建议移位问题。首先，我们结合FCN和CAM来提取用于行人检测的深度特征。然后，我们执行部分级别的CNN回忆丢失的身体部位。在不同数据集上的实验结果表明，该方法显着提高了行人检测的准确性，并优于现有的国家的最先进的对数平均错过率在每幅图像的错误位置（FPPI）。
2018-10-01 cs.CV
Spatiotemporal Stacked Sequential Learning for Pedestrian Detection
Computer Vision Center（计算机视觉中心）；Universitat Autònoma de Barcelona（巴塞罗那自治大学）；United Technologies Research Center（联合技术研究中心）
行人分类器决定哪些图像窗口包含行人。在实践中，这样的分类器在与行人重叠的相邻窗口处提供相对高的响应，而预期潜在假阳性周围的响应较低。类似的推理适用于图像序列。如果在帧内存在行人，则预期相同的行人出现在邻近帧中的相同位置附近。因此，这样的位置有机会在几个帧期间接收高分类分数，而假阳性预期更虚假。在本文中，我们建议利用这种相关性来提高基本行人分类器的准确性。特别是，我们建议使用两个阶段的分类器，不仅依赖于所需的基本分类器的图像描述符，但也在一个给定的时空附近的响应，这样的基本分类器。更具体地说，我们训练行人分类使用堆叠顺序学习（SSL）的范例。我们使用一个新的行人数据集，我们已经从一辆车，以不同的帧速率评估我们的建议。我们还测试了一个著名的数据集：加州理工学院。所获得的结果表明，我们的SSL建议提高检测精度显着与计算成本的影响最小。有趣的是，SSL在最危险的情况下提高了准确性，即当行人靠近摄像头时。
2014-07-14 cs.CV
Divide and Fuse: A Re-ranking Approach for Person Re-identification
由于重新排序是提高大规模数据集上的人重新识别（re-ID）性能的必要步骤，特征的多样性对于设计行人描述和基于特征融合的重新排序都至关重要。然而，在许多情况下，只有一种类型的行人特征可用。在本文中，我们提出了一个“分而用”的重新排序框架的人重新ID。它利用了从不同部分的高维特征向量的融合为基础的重新排序的多样性，而没有其他功能是可访问的。具体地，给定图像，提取的特征被划分为子特征。然后将每个子特征的上下文信息迭代编码为新的特征。最后，从同一图像的新特征融合到一个向量进行重新排序。两个人的重新ID基准上的实验结果证明了所提出的框架的有效性。特别是，我们的方法在Market-1501数据集上的表现优于最先进的方法。
2017-08-11 cs.CV
Optimal Correction Cost for Object Detection Evaluation
CyberAgent, Inc.（赛博艾坚特公司）；Osaka University（大阪大学）；Tampere University（坦佩雷大学）；University of Oulu（奥卢大学）
平均精度（mAP）是目标检测的主要评价指标。虽然目标检测有广泛的应用，mAP评估检测器的排名实例检索的性能。这样的评估任务的假设并不适合一些下游任务。为了缓解下游任务和评估场景之间的差距，我们提出了最优校正成本（OC成本），它评估图像级别的检测精度。OC-cost计算将检测校正为地面实况的成本，作为准确性的度量。成本是通过解决检测和地面实况之间的最优运输问题来获得的。与mAP不同，OC成本旨在适当地惩罚假阳性和假阴性检测，并且数据集中的每个图像都被平等对待。我们的实验结果验证了OC成本比基于排名的度量更符合人类偏好，即，mAP为一个单一的图像。我们还表明，检测器的OC成本的排名是更一致的不同的数据分裂比mAP。我们的目标不是用OC成本来取代mAP，而是从另一个方面提供一个额外的工具来评估探测器。为了帮助未来的研究人员和开发人员选择一个目标措施，我们提供了一系列的实验，以澄清如何mAP和OC成本不同。
2022-03-28 cs.CV
Ranking-based Adaptive Query Generation for DETRs in Crowded Pedestrian Detection
Chongqing University of Posts and Telecommunications（重庆邮电大学）
针对拥挤行人检测中DETRs查询数量需手动调整的问题，提出基于排序的自适应查询生成方法(RAQG)，通过排序预测头和Soft Gradient L1 Loss实现查询自适应，在Crowdhuman等数据集上取得最优性能。
2024-01-08 cs.CV
Quantum-soft QUBO Suppression for Accurate Object Detection
The Pennsylvania State University（宾夕法尼亚州立大学）
非最大抑制（NMS）已经被默认地采用来去除冗余的目标检测数十年。它通过仅保留具有最高检测分数的图像M和与M的重叠率小于预定义阈值的图像来消除假阳性。然而，这种贪心算法可能不能很好地用于遮挡场景下的目标检测，其中具有较低检测分数的真阳性可能被抑制。在本文中，我们首先映射到二次无约束二进制优化（QUBO）的框架，其中包括检测得分从每个限界框和边界框之间的重叠率的任务，去除冗余检测。接下来，我们使用所提出的量子软QUBO抑制（QSQS）算法来解决QUBO问题，以通过利用量子计算的优势进行快速准确的检测。实验结果表明，QSQS将PASCAL VOC 2007的平均精度从74.20%提高到75.11%。对于基准行人检测CityPersons的合理子集，它始终优于NMS和软NMS。
2020-07-28 cs.CV
CHAMP: Crowdsourced, History-Based Advisory of Mapped Pedestrians for Safer Driver Assistance Systems
University of California San Diego（加利福尼亚大学圣迭戈分校）
车辆不断接近并与行人共享道路，因此车辆必须防止与行人发生任何碰撞。目前行人碰撞预防的方法主要集中在将视觉行人探测器与自动紧急制动（AEB）系统相结合，该系统可以在行人进入车辆路径时触发警告并施加制动。不幸的是，基于行人探测的系统在某些情况下会受到阻碍，例如夜间或行人被遮挡时。我们的系统，CHAMP（众包，基于历史的地图行人咨询），使用在线，基于地图的行人检测系统，其中行人位置被聚合到一个数据集后，重复通过的位置，解决了这些问题。使用这个数据集，我们能够学习行人区域，并在车辆接近行人时生成咨询通知，尽管存在黑暗照明或行人遮挡等挑战。我们收集并仔细注释了加利福尼亚州拉霍亚的行人数据，以构建行人位置的训练和测试集。此外，我们使用正确的检索，错误的检索和错过的检索的数量来定义精度和召回性能指标来评估CHAMP。这种方法可以进行调整，使我们在实验数据集上实现最大100%的准确率和75%的召回率，并通过进一步的数据汇集来增强性能。
2023-01-30 cs.CV
GACE: Geometry Aware Confidence Enhancement for Black-Box 3D Object Detectors on LiDAR-Data
Graz University of Technology（格拉茨技术大学）；Christian Doppler Laboratory for Embedded Machine Learning（克里斯蒂安·多普勒嵌入式机器学习实验室）
本文提出GACE方法，通过聚合检测目标的几何线索与空间关系来增强黑盒3D目标检测器的置信度估计，在多种先进检测器上实现一致性能提升，尤其有利于行人和骑行者等弱势道路使用者。
2023-10-31 cs.CV cs.LG
A Multimodal Hybrid Late-Cascade Fusion Network for Enhanced 3D Object Detection
Politecnico di Milano（米兰理工学院）
本文提出了一种多模态混合后期级联融合网络，通过结合RGB和3D激光雷达检测器，提升3D物体检测的性能，特别是在行人和自行车检测方面表现优异。
2025-04-25 cs.AI cs.CV cs.RO
Evaluating and Enhancing Trustworthiness of LLMs in Perception Tasks
University of Gothenburg（哥德堡大学）；Chalmers University of Technology（查尔姆斯理工大学）
本文面向车载多模态LLM的行人检测与定位，评估GPT-4V和LLaVA的幻觉检测策略，发现专有模型更优、BO3投票效果有限，而引入历史信息可改善检测结果。
2024-07-18 cs.CV cs.ET
PedHunter: Occlusion Robust Pedestrian Detector in Crowded Scenes
Institute of Electronics, Chinese Academy of Sciences（中国科学院电子学研究所）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）
拥挤场景中的行人检测是一个具有挑战性的问题，因为不同的行人之间经常发生遮挡。在本文中，我们提出了一个有效的和高效的检测网络在人群场景中寻找行人。所提出的方法，即PedHunter，引入了强大的遮挡处理能力，现有的基于区域的检测网络，而不会带来额外的计算在推理阶段。具体而言，我们设计了一个掩码引导模块，利用头部信息来增强骨干网络的特征表示学习。此外，我们制定了一个严格的分类标准，通过提高训练过程中的阳性样本的质量，以消除常见的误报行人检测在拥挤的场景。此外，我们提出了一种模拟遮挡的数据增强，以丰富遮挡样本的模式和数量，提高遮挡鲁棒性。因此，我们在三个行人检测数据集上实现了最先进的结果，包括CityPersons，Caltech-USA和CrowdHuman。为了促进对监控场景中被遮挡行人检测的进一步研究，我们发布了一个新的行人数据集，称为SUR-PED，在10 k张图像中总共有超过162 k个高质量的手动标记实例。将发布拟议的数据集、源代码和训练模型。
2019-09-15 cs.CV
NOH-NMS: Improving Pedestrian Detection by Nearby Objects Hallucination
Tencent Youtu Lab（腾讯优图实验室）
贪婪NMS固有地提出了一个困境，其中较低的NMS阈值将潜在地导致较低的召回率，而较高的阈值引入更多的误报。这个问题在行人检测中更为严重，因为实例密度变化更剧烈。然而，以往的NMS研究没有考虑或模糊考虑附近行人的存在这一因素。因此，我们提出了邻近对象幻觉器（NOH），它用高斯分布精确定位每个建议附近的对象，以及NOH-NMS，它动态地减轻了对可能包含其他对象的空间的抑制。与Greedy-NMS相比，我们的方法，作为最先进的，通过$3.9\%$ AP，$5.1\%$召回，和$0.8\%$ $\text{MR}^{-2}$在CrowdHuman上分别改进为$89.0\%$ AP和$92.9\%$召回，和$43.9\%$ $\text{MR}^{-2}$。
2020-07-27 cs.CV
SA-Person: Text-Based Person Retrieval with Scene-aware Re-ranking
School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院）；Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science and Innovation, Chinese Academy of Sciences（中国科学院香港创新研究院人工智能与机器人中心）；Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统（MAIS））；Wuhan University（武汉大学）；University of Chinese Academy of Sciences（中国科学院大学）
SA-Person通过整合个体外观和全局场景上下文，提升基于文本的人检索准确性，提出ScenePerson-13W数据集和两阶段检索框架。
2025-11-22 cs.CV
Where, What, Whether: Multi-modal Learning Meets Pedestrian Detection
行人检测极大地受益于深度卷积神经网络（CNN）。然而，CNN本质上很难处理存在遮挡和尺度变化的情况。在本文中，我们提出了W $^3$网，试图解决上述挑战，通过分解的行人检测任务为\textbf{\textit{W}}这里，\textbf{\textit{W}}帽子和\textbf{\textit{W}} hether问题分别针对行人定位，规模预测和分类。具体来说，对于行人的例子，我们制定其功能由三个步骤。i）我们生成一个鸟瞰图，它自然没有遮挡问题，并扫描其上的所有点，为每个行人实例寻找合适的位置。ii）我们没有使用预先固定的锚点，而是对深度和尺度之间的相互依赖性进行建模，旨在在不同位置生成深度引导的尺度，以便更好地匹配不同大小的实例。iii）我们学习视觉和语料库空间共享的潜在向量，通过该潜在向量，具有相似垂直结构但缺乏人类部分特征的误报将被过滤掉。我们在广泛使用的数据集（Citypersons和Caltech）上获得了最先进的结果。尤其是。当评价重度闭塞子集时，我们的结果将Citypersons的MR $^{-2}$从49.3 $\%$降低到18.7 $\%$，将Caltech的MR从45.18 $\%$降低到28.33 $\%$。
2020-12-20 cs.CV
Ranking Regularization for Critical Rare Classes: Minimizing False Positives at a High True Positive Rate
Borealis AI（Borealis人工智能公司）；Mila（米拉研究所）；Université de Montréal（蒙特利尔大学）
针对高真阳性率下假阳性过高的问题，提出一种易于实现的基于排序的正则化（RankReg）方法，该方法能有效减少假阳性并补充传统不平衡学习损失，在CIFAR-10&100和Melanoma数据集上显著提升了最先进的性能。
2023-03-31 cs.CV cs.LG
Which to Match? Selecting Consistent GT-Proposal Assignment for Pedestrian Detection
Shanghai Jiao Tong University（上海交通大学）
准确的行人分类和定位由于其广泛的应用，如安全监控，自动驾驶等，受到了相当大的关注，虽然行人检测器在最近几年取得了很大的进展，固定的交叉口超过联盟（IoU）的分配回归方式仍然限制了他们的性能。两个主要因素对此负责：1）IoU阈值面临困境，较低的阈值将导致更多的误报，而较高的阈值将过滤掉匹配的阳性; 2）基于IoU的GT建议分配遭受不一致的监督问题，即具有相似特征的空间相邻建议被分配给不同的地面实况框，这意味着一些非常相似的建议可能被迫向不同的目标回归，从而在预测定位结果时混淆了边界框回归。本文首先提出了\textbf{Regression Direction}会影响行人检测性能的问题。因此，我们通过引入一种几何敏感搜索算法作为新的分配和回归度量来解决IoU的弱点。与以往的基于IoU的\textbf{one-to-one}一个建议到一个地面实况盒的分配方式不同，所提出的方法试图寻求建议集和地面实况盒之间的合理匹配。具体来说，我们在Citypersons数据集上将R $_{75}$下的MR-FPPI提高了8.8\%。此外，通过将这种方法作为一个度量到国家的最先进的行人检测器，我们表现出一致的改善。
2021-03-18 cs.CV
Strip-Fusion: Spatiotemporal Fusion for Multispectral Pedestrian Detection
Department of Mechanical Engineering, University of Michigan（机械工程系，密歇根大学）；Electrical Engineering and Computer Science Department, University of Michigan（电气工程与计算机科学系，密歇根大学）；Robotics Department, University of Michigan（机器人学系，密歇根大学）
Strip-Fusion通过时空融合网络提升多光谱行人检测性能，解决对齐误差和光照变化问题。
2026-01-25 cs.CV
WiderPerson: A Diverse Dataset for Dense Pedestrian Detection in the Wild
Center for Biometric Security Research（生物特征安全研究中心）；National Laboratory of Pattern Recognition（模式识别国家重点实验室）；Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Macau University of Science and Technology（澳门科技大学）；University of Southern California（南加利福尼亚大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Institute of Deep Learning, Baidu Research（百度研究院深度学习研究所）；National Engineering Laboratory for Deep Learning Technology and Application（深度学习技术及应用国家工程实验室）
随着现有基准数据集的可用性，行人检测已经取得了重大进展。然而，现实世界的需求和当前的行人检测基准之间的多样性和密度存在差距：1）大多数现有的数据集是从车辆行驶通过常规交通场景，通常导致多样性不足; 2）具有高度遮挡行人的人群场景仍然代表不足，导致密度低。为了缩小这一差距，促进未来的行人检测研究，我们引入了一个大型而多样化的数据集WiderPerson，用于在野外进行密集行人检测。该数据集涉及广泛场景中的五种类型的注释，不再局限于交通场景。共有带有$399,786$注释的$13,382$图像，即，每个图像的$29.87$注释，这意味着该数据集包含具有各种遮挡的密集行人。因此，由于场景和遮挡的变化很大，所提出的数据集中的行人极具挑战性，这适合于评估野外的行人检测器。我们引入了改进的Faster R-CNN和vanilla RetinaNet作为新行人检测基准的基线。在以前的数据集上进行了几个实验，包括Caltech-USA和CityPersons，以分析所提出的数据集的泛化能力，我们在这些以前的数据集上实现了最先进的性能，没有花里胡哨的东西。最后，我们分析了常见的故障情况，发现行人检测器的分类能力需要提高，以减少误报率和漏检率。建议的数据集可在http://www.cbsr.ia.ac.cn/users/sfzhang/WiderPerson上获得
2019-09-25 cs.CV
A Content-Based Late Fusion Approach Applied to Pedestrian Detection
Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）
近年来提出的各种行人检测器鼓励了一些工作融合行人检测器，以实现更准确的检测。其背后的直觉是根据其空间共识组合检测器。我们提出了一种新的方法，称为基于内容的空间共识（CSBC），其中，除了依赖于空间的共识，认为检测窗口的内容来学习加权融合的行人检测器。其结果是减少了假警报并增强了检测。在这项工作中，我们还证明了用于学习每个检测器的窗口内容的特征的影响很小，这使得我们的方法即使采用简单的特征也是有效的。CSBC克服了ETH数据集和加州理工学院数据集中最先进的融合方法。特别是，我们的方法是更有效的，因为更少的检测器是必要的，以实现表达的结果。
2018-06-08 cs.AI cs.CV
Pedestrian Behavior Maps for Safety Advisories: CHAMP Framework and Real-World Data Analysis
University of California, San Diego（加利福尼亚大学圣地亚哥分校）
针对夜间或遮挡下行人检测失效问题，提出基于地图聚合的CHAMP框架，学习行人常驻区域并生成安全提示，在真实数据上验证了有效性。
2023-05-08 cs.AI cs.CV
Multi-Person Pose Estimation Evaluation Using Optimal Transportation and Improved Pose Matching
本文提出OCpose方法，通过最优传输和改进姿态匹配，公平评估多人体姿态估计中真阳性与假阳性姿态的权衡。
2026-03-11 cs.CV
Image-based Vehicle Re-identification Model with Adaptive Attention Modules and Metadata Re-ranking
Texas Christian University（德克萨斯基督教大学）
车辆重新识别是一项具有挑战性的任务，由于类内的变化和类间的相似性在非重叠的相机。为了解决这些问题，最近提出的方法需要额外的注释，以提取更多的功能，假阳性图像排除。在本文中，我们提出了一个由自适应注意力模块驱动的模型，该模型需要更少的标签注释，但仍然优于以前的模型。我们还包括一个重新排序的方法，考虑到元数据特征嵌入的重要性，在我们的论文。该方法在CVPR AI City Challenge 2020数据集上进行了评估，并在Track 2中实现了37.25%的mAP。
2020-07-03 cs.CV
What the Constant Velocity Model Can Teach Us About Pedestrian Motion Prediction
fortiss, Research Institute of the Free State of Bavaria（巴伐利亚自由州fortiss研究所）；Technical University of Munich（慕尼黑工业大学）
行人运动预测是自主机器人和车辆安全运行的基础。近年来，已经提出了许多基于神经网络的复杂方法来解决这个问题。在这项工作中，我们令人惊讶地发现，一个简单的恒速模型甚至可以胜过最先进的神经模型。这表明，要么神经网络无法利用它们所提供的附加信息，要么这些信息并不像人们通常认为的那样相关。因此，我们分析了神经网络如何处理它们的输入以及它如何影响它们的预测。我们的分析揭示了训练用于行人运动预测的神经网络的陷阱，并澄清了关于问题本身的错误假设。特别是，神经网络隐式地学习环境先验，这对它们的泛化能力产生了负面影响，行人的运动历史是不相关的，相互作用太复杂而无法预测。我们的工作表明如何神经网络行人运动预测可以彻底评估，我们的研究结果表明，神经运动预测的研究方向是有前途的。
2020-01-22 cs.CV cs.LG cs.RO
The Impact of Partial Occlusion on Pedestrian Detectability
Atlantic Technological University（大西洋理工大学）；University of Galway（戈尔韦大学）
针对行人检测中部分遮挡的主观分类问题，研究提出了客观基准，在0-99%遮挡级别下表征七种主流模型，发现CenterNet性能最佳，RetinaNet最低。
2023-07-27 cs.CV eess.IV
3D ResNet with Ranking Loss Function for Abnormal Activity Detection in Videos
Gwangju Institute of Science and Technology（光州科学技术院）
异常活动检测是计算机视觉领域中最具挑战性的任务之一。这项研究的动机是最近的最先进的异常活动检测工作，它利用异常和正常的视频学习异常的帮助下，多实例学习，通过提供视频级信息的数据。在没有时间注释的情况下，这样的模型在检测异常时容易给出错误警报。出于这个原因，在本文中，我们专注于在执行异常活动检测任务的同时最大限度地减少误报率的任务。这些假警报的缓解和视频动作识别任务中3D深度神经网络的最新进展共同激励我们在我们提出的方法中利用3D ResNet，这有助于从视频中提取时空特征。然后，使用这些特征和深度多实例学习以及提出的排名损失，我们的模型学习预测视频片段级别的异常分数。因此，与其他最先进的方法相比，我们提出的方法3D深度多实例学习与ResNet（MILR）以及新提出的排名损失函数在UCF-Crime基准数据集上实现了最佳性能。在UCF-Crime数据集上证明了该方法的有效性。
2020-02-04 cs.CV cs.LG eess.IV
FocalComm: Hard Instance-Aware Multi-Agent Perception
Carnegie Mellon University（卡内基梅隆大学）
FocalComm通过聚焦困难实例特征交换，提升多智能体协作感知中对行人等安全关键物体的检测性能。
2025-12-20 cs.CV
Rethinking Cross-Domain Pedestrian Detection: A Background-Focused Distribution Alignment Framework for Instance-Free One-Stage Detectors
Fudan University（复旦大学）；University of Cambridge（剑桥大学）；Shanghai AI Laboratory（上海人工智能实验室）
针对单阶段行人检测器在跨域场景中仅能进行图像级对齐且易出现前景-背景错位的问题，本文提出背景聚焦分布对齐框架BFDA，通过解耦背景特征并利用长短程判别器实现更有效的跨域对齐。
2023-09-15 cs.AI cs.CV
Radio-Assisted Human Detection
University of Electronic Science and Technology of China（电子科技大学）；University of Science and Technology of China（中国科学技术大学）
在本文中，我们提出了一个无线电辅助人体检测框架，将无线电信息纳入最先进的检测方法，包括基于锚的onstage检测器和两阶段检测器。我们从无线电信号中提取无线电定位和身份信息来辅助人体检测，由于这一点，假阳性和假阴性的问题可以大大缓解。对于这两种检测器，我们使用的无线电定位的基础上的置信度得分修订，以提高检测性能。对于两阶段检测方法，我们建议利用从无线电定位产生的区域建议，而不是依赖于区域建议网络（RPN）。此外，利用无线电标识符信息，还提出了具有无线电定位约束的非最大值抑制方法，以进一步抑制误检测并减少误检测。在模拟的Microsoft COCO数据集和Caltech行人数据集上的实验表明，无线电信息的辅助可以提高现有检测方法的平均精度（mAP）和误检率。最后，我们在真实世界的场景中进行实验，以证明我们提出的方法在实践中的可行性。
2021-12-16 cs.CV
Reducing the False Positive Rate Using Bayesian Inference in Autonomous Driving Perception
Federal Institute of Espirito Santo（圣埃斯皮里图联邦学院）；Institute of Systems and Robotics (ISR-UC)（系统与机器人研究所（ISR-UC））；University of Coimbra（科英布拉大学）
本文提出一种基于贝叶斯推理的策略，通过高斯核密度估计和归一化直方图构建似然函数与先验概率，在KITTI数据集上结合多种深度网络与3D点云网络及RGB和LiDAR模态，有效降低自动驾驶感知系统中的误报率。
2023-10-22 cs.AI cs.CV
Plane Detection and Ranking via Model Information Optimization
Institute for Infocomm Research (I 2 R)（信息通信研究所）
本文提出基于模型信息优化的广义平面检测框架，通过结合深度传感器物理与噪声模型计算模型信息，有效确定真实平面数量并防止假阳性检测，同时支持平面质量排序，较Open3D RANSAC更准确且经神经网络加速提升真实场景表现。
2025-09-16 cs.CV cs.RO
Automatic Tumor Segmentation via False Positive Reduction Network for Whole-Body Multi-Modal PET/CT Images
University of Sydney（悉尼大学）；Shanghai Jiao Tong University（上海交通大学）
多模态氟脱氧葡萄糖（FDG）正电子发射断层扫描/计算机断层扫描（PET/CT）已常规用于评估常见癌症，如肺癌、淋巴瘤和黑色素瘤。这主要归因于PET/CT结合了PET的肿瘤检测的高灵敏度和来自CT的解剖信息。在PET/CT图像评估中，自动肿瘤分割是重要的一步，近年来，基于深度学习的方法已成为最先进的方法。不幸的是，现有方法往往会过度分割肿瘤区域，包括正常高摄取器官，炎症和其他感染等区域。在这项研究中，我们引入了一个假阳性归约网络来克服这一限制。我们首先引入了一个自监督预训练的全局分割模块，使用自监督预训练的编码器粗略地描绘候选肿瘤区域。然后通过局部细化模块去除假阳性来细化候选肿瘤区域。我们使用MICCAI 2022全身FDG-PET/CT（AutoPET）挑战数据集中的自动病变分割进行的实验表明，我们的方法在初步测试数据中获得了0.9324的骰子分数，并在排行榜上排名第一。我们的方法也在最终测试数据中排名前7位，最终排名将在2022年MICCAI AutoPET研讨会上公布。我们的代码可在https://github.com/YigePeng/AutoPET_False_Positive_Reduction上获取。
2022-09-16 cs.CV cs.LG eess.IV
Unsupervised Adaptation from Repeated Traversals for Autonomous Driving
Cornell University（康奈尔大学）；The Ohio State University（俄亥俄州立大学）
为了使自动驾驶汽车可靠地运行，其感知系统必须推广到最终用户的环境-理想情况下没有额外的注释工作。一种潜在的解决方案是利用未标记的数据（例如，未标记的LiDAR点云），以使系统适应训练和测试环境之间的差异。虽然已经对这种无监督的领域自适应问题进行了广泛的研究，但一个基本问题仍然存在：在目标域中没有可靠的信号来监督自适应过程。为了克服这个问题，我们观察到，很容易从重复路线的多次遍历中收集无监督数据。虽然与传统的无监督领域自适应不同，但由于许多驾驶员共享相同的道路，因此该假设非常现实。我们表明，这个简单的附加假设足以获得一个有效的信号，使我们能够在目标域上执行3D对象检测器的迭代自训练。具体地说，我们生成伪标签与域外检测器，但减少误报，通过删除检测到的移动对象是持久的遍历。此外，我们通过鼓励在不持久的区域进行预测来减少假阴性。我们在两个大规模驾驶数据集上对我们的方法进行了实验，并在汽车、行人和骑自行车者的3D目标检测方面表现出显着的改进，使我们更接近可推广的自动驾驶。
2023-03-27 cs.CV cs.LG
Probabilistic Approach for Road-Users Detection
Federal Institute of Espírito Santo（圣埃斯皮里图联邦学院）；University of Coimbra（科英布拉大学）；IADYS；Portuguese Mint and Official Printing Office（葡萄牙铸币与官方印刷局）
针对深度目标检测器误报分数过度自信的问题，本文在测试阶段引入新型概率层替代 Sigmoid/Softmax，并在 2D-KITTI 上由 YOLOV4 与 SECOND 验证其可降低误报自信且不损失真报性能。
2023-04-21 cs.AI cs.CV cs.LG
