基于迁移学习的行人检测研究进展

作     者：邵松 刘宏 王向东 钱跃良 SHAO Song;LIU Hong;WANG Xiangdong;QIAN Yueliang

作者机构：中国科学院计算技术研究所普适计算研究中心北京100190 中国科学院计算技术研究所移动计算与新型终端北京市重点实验室北京100190 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2014年第50卷第24期

页      面：156-163页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.61202209) 北京市自然科学基金(No.4142051) 

主　　题：行人检测 检测器 迁移学习 场景自适应 

摘      要：行人检测是计算机视觉的研究热点和难点,近年来基于机器学习的行人检测技术取得了长足的进步,但由于不同场景的数据分布存在差异,已有检测器在新场景下的行人检测性能出现显著下降。为了避免繁琐的人工标注,充分利用原有检测器和标注样本,基于迁移学习的行人检测研究受到越来越多的关注。对其中涉及到的样本获取、迁移学习机制等关键技术进行综述,并从多个角度对现有方法进行分析和比较,最后对该技术的未来进行展望。