Dataset Optimization for Real-Time Pedestrian Detection

Remi Trichet 1 Francois Bremond 1
1 STARS - Spatio-Temporal Activity Recognition Systems
CRISAM - Inria Sophia Antipolis - Méditerranée
Résumé : Ce document traite de la sélection de données pour la génération de l’ensemble d’entraînement dans le contexte de la détection des piétons en temps-réel grâce a l’introduction d’une méthodologie: FairTrain. Après avoir souligné l’impact des données mal choisies sur les performances des détecteurs, nous allons présenter une nouvelle technique de sélection de données pondéré par l’algorithme d’expectation-maximization. FairTrain propose également une version de cascade-de-rejecteurs améliorée avec des principes de sélection de données. Les expériences sur les bases de données INRIA et Caltech prouvent que, lorsqu’ils sont bien formés, un simple détecteur basé sur des HoGs fonctionne aussi bien que ses concurrents temps-réel.
Type de document :
Rapport
[Research Report] RR-9084, Inria Sophia-Antipolis. 2017, pp.15
Liste complète des métadonnées

Littérature citée [72 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01566517
Contributeur : Remi Trichet <>
Soumis le : mardi 1 août 2017 - 14:04:02
Dernière modification le : jeudi 11 janvier 2018 - 16:36:43

Fichier

RR - 9084.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01566517, version 1

Citation

Remi Trichet, Francois Bremond. Dataset Optimization for Real-Time Pedestrian Detection. [Research Report] RR-9084, Inria Sophia-Antipolis. 2017, pp.15. 〈hal-01566517〉

Partager

Métriques

Consultations de la notice

204

Téléchargements de fichiers

192