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 :
Article dans une revue
IEEE Access, IEEE, 2017, pp.15. 〈10.1109/ACCESS.2017.2788058〉
Liste complète des métadonnées

Littérature citée [70 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 : mercredi 8 août 2018 - 01:08:33

Fichier

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

Identifiants

Citation

Remi Trichet, Francois Bremond. Dataset Optimization for Real-Time Pedestrian Detection. IEEE Access, IEEE, 2017, pp.15. 〈10.1109/ACCESS.2017.2788058〉. 〈hal-01566517〉

Partager

Métriques

Consultations de la notice

283

Téléchargements de fichiers

334