《表3 D-CSP在Citypersons数据集上的对数平均漏检率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合密度和精细分数的行人检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:加粗字体表示各列最优结果。

为了验证IAN方法的有效性，采用不同的后处理方法进行实验对比。表3和表4是以CSP联合NMS为基准，D-CSP联合NMS、soft-NMS、Adaptive NMS和IAN方法的实验结果（对数平均漏检率）。可以看出，D-CSP性能与CSP相当，在Reasonable子集上表现略优，这是由于multi-task相互促进的作用，说明了密度图模块的有效性。无论在Citypersons还是Caltech数据集上，相比于其他后处理方法，IAN方法在所有子集（尤其是Reasonable子集）上均有一定提升，这是因为针对一般场景下的行人会更容易学习到密度值从而减少漏检和错检。对比Adaptive NMS，提升不太明显，可能是由于数据集中单个行人场景相对较少，在Caltech数据集上的实验结果印证了此观点的正确性。