改进的卷积神经网络在行人检测中的应用

来源：计算机科学与探索杂志2018年第5期北京时间：

作者：谢林江，季桂树，彭清，罗恩韬

单位：中南大学 信息科学与工程学院，长沙 410083

摘要：针对当前行人检测方法计算量大，行人特征提取复杂，检测结果易受复杂背景影响等问题，提出一种改进的卷积神经网络（convolutional neural network，CNN）模型。该模型在传统CNN基础上加入选择性注意层，模拟人眼的选择性注意功能，过滤复杂背景，突出行人特征。分别采用LBP（local binary pattern）纹理处理和梯度处理对选择性注意层进行训练，对比训练结果得到最优模型。分别在INRIA、NICTA和Daimler行人数据集上进行实验，结果表明，该模型在行人检测中准确率明显优于传统CNN、HOG+SVM、Haar+SVM、PCA+SVM，在INRIA、NICTA和Daimler行人数据集上的准确率分别达到了96.14%、96.64%和99.78%。

关键词：行人检测,深度学习,卷积神经网络,选择性注意