도시 장면의 사람 주석
Cityscapes 위에 사람을 대상으로 한 주석 집합을 구성했다. 도시 영상의 다양한 사람 사례를 이용해 보행자 검출기의 학습 자료를 확장하려는 목적이다.
검출기의 설계
논문은 자료 공개와 함께 보행자 검출에 적합한 합성곱 신경망의 구성을 검토했다. Faster R-CNN에 필요한 조정을 적용하고 Caltech 데이터셋에서 결과를 평가했다.
서로 다른 자료의 평가
한 데이터셋에서 학습한 모델이 다른 벤치마크에서도 잘 작동하는지는 일반화의 문제다. CityPersons의 다양한 사례를 이용해 단일 모델이 여러 벤치마크로 이전되는 효과를 살펴봤다.
어려운 보행자 사례
작은 크기의 사람과 심한 가림이 있는 사람은 위치를 정확히 찾기 어렵다. 연구는 CityPersons를 추가로 학습한 뒤 이러한 조건과 위치 정확도에서 나타나는 변화를 분석했다.
관련 문서
CrowdHuman / Cityscapes / WIDER FACE / LVIS / Open Images V4 / CrowdPose