作者：夏胡云; 叶学义; 罗宵晗; 王鹏行人检测深度学习架构主成分分析网络多尺度特征空间金字塔池化显著性特征
摘要：针对非理想条件下行人检测的性能和效率问题,提出多尺度空间金字塔PCANet。将空间金字塔作为网络的特征池化层,通过分层池化特征的方式获得图像的显著性特征,并将底层特征和高层特征级联以获得样本的多尺度特征的向量表示,输入SVM分类器。在INRIA和NICTA数据库中,与HOG、CNN等算法进行行人检测对比实验,结果表明,该算法有更高的正确检测率、更低的漏检率和误检率。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
