• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Image Processing >LEARNING DEEP COMPACT CHANNEL FEATURES FOR OBJECT DETECTION IN TRAFFIC SCENES
【24h】

LEARNING DEEP COMPACT CHANNEL FEATURES FOR OBJECT DETECTION IN TRAFFIC SCENES

机译：学习交通场景中对象检测的深度紧凑频道功能

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this work, we present a new multiple channel feature called Deep Compact Channel Feature (DCCF), which generates a compact, discriminative feature representation by a pre-trained deep encoder-decoder. With the combination of DCCF and boosted decision trees, a new object detector is proposed which achieved outstanding performance on standard pedestrian dataset INRIA and Caltech. Furthermore, a large scale and challenging Chinese Traffic Sign Detection benchmark is constructed. DCCF and other related methods are evaluated on this dataset. The dataset and baselines are available online.
机译：在这项工作中，我们介绍了一个名为Deep Compact Channel Feature（DCCF）的新的多通道功能，由预先训练的深度编码器解码器产生紧凑的识别特征表示。随着DCCF和增强决策树的组合，提出了一种新的对象检测器，在标准步行数据集inria和caltech取得了出色的性能。此外，构建了大规模和挑战的中国交通标志检测基准。在此数据集上评估DCCF和其他相关方法。数据集和基线可在线获取。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号