Nuevo método de detección de peatones de dos etapas utilizando una cabeza de clasificación con técnicas de generalización de dominio

Abstract

La detección de peatones es una tarea importante en visión computacional, debido a muchas aplicaciones prácticas que requieren alto desempeño. Los métodos basados en Deep Learning han sido muy efectivos en esta tarea en los últimos años. Este trabajo presenta un nuevo detector de peatones de dos etapas basado en redes neuronales, que usa una nueva cabeza de clasificación, agregando la función Triplet Loss a las funciones de regresión de bounding boxes y clasificación estándar, para mejorar la capacidad de generalización de un detector de objetos existente. La función Triplet Loss se aplica a las características correspondientes a las regiones de interés generadas por la red de propuestas de región, de manera de agrupar los ejemplos de peatones en el espacio de características. Se realizaron expermentos con dos detectores, Faster R-CNN y Cascade R-CNN, utilizando el backbone HRNet preentrenado con ImageNet. Los mejores resultados se obtuvieron utilizando un pipeline de entrenamiento progresivo. El método desarrollado obtuvo resultados en el estado del arte, en el benchmark CityPersons, con un rendimiento destacado en la partición Heavy, la más difícil. Este trabajo demuestra la eficacia de la función Triplet Loss para mejorar la capacidad de generalización de los detectores de peatones existentes.