典型文献
复杂路面小尺度行人检测综述
文献摘要：
行人检测技术是智能交通和智能车辆发展的一个重要方向,同时也是道路安全的重要保障,直接影响着车辆控制系统对路况的判断.在实际应用场景中,小尺度行人实例占比非常高,但小尺度行人检测一直是行人检测任务中一个困难且具有挑战性的问题.而当智能汽车处于复杂的交通环境中时,小尺度行人的精准检测可以使控制系统有时间提前预警并及时避让,对于保障汽车安全平稳行驶起重要作用.随着深度学习的快速发展,小尺度行人检测技术取得了突破性的进展,目前该技术的发展处于快速发展时期.为了进一步促进小尺度行人检测技术的发展,本文对小尺度行人检测技术的最新方法进行了全面研究.本文首先分析了小尺度行人检测面临的几大挑战,并对目前最新的小尺度行人检测网络进行了归类和总结.本文从多尺度表示、上下文信息、新的训练和分类策略、尺度感知和超分辨率5个方面对现有的深度学习方法进行了分析和讨论,其中多尺度学习方法为当前处理小尺度行人检测的主流方法.同时简要介绍了行人检测常用的评价指标和数据集,并在Caltech等通用数据集上对一些主流方法进行了性能评价.此外,本文还对5类方法进行了总结和对比.最后,本文从多个方面提出了行人检测技术中亟待解决的问题和未来发展的方向和任务.
文献关键词：
目标检测;深度学习;卷积神经网络;小目标;行人检测
中图分类号：
作者姓名：
赵书;陈宁
作者机构：
西安工程大学电子信息学院,西安710048
文献出处：
引用格式：
[1]赵书;陈宁-.复杂路面小尺度行人检测综述)[J].计算机系统应用,2022(07):1-11
A类：
多尺度表示
B类：
小尺度行人检测,智能交通,智能车辆,道路安全,车辆控制系统,路况,智能汽车,交通环境,中时,精准检测,提前预警,避让,汽车安全,安全平稳,发展时期,全面研究,几大,测网,上下文信息,分类策略,尺度感知,超分辨率,深度学习方法,多尺度学习,前处理,主流方法,Caltech,通用数据,性能评价,发展的方向,目标检测,小目标
AB值：
0.273527
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
