论文部分内容阅读
面向全时段自动驾驶场景下的行人检测一直都是一个亟需解决的问题,尤其是针对一些尺度较小的行人目标。为解决这一问题,提出一种基于FPN融合的行人检测方法,通过构建FPN融合策略,将浅层位置信息和深层语义信息进行融合,有助于目标分类和边框回归。同时,使用聚类算法对KAIST数据集中的先验边框进行聚类以改进行人检测模型。实验表明,该模型相比于当前主流多光谱行人检测模型有更低的平均漏检率,对于全时段的驾驶环境下的行人目标检测有更好的效果。