多様なシーンにおける歩行者検出は、現在のコンピュータビジョン分野で注目されている研究テーマです。高い検出精度を提供できる深層学習が注目されていますが、その高い計算複雑度により、移動プラットフォームへの展開が大きく制限されています。そこで本論文では、多様なシーンに対応した軽量歩行者検出アルゴリズムを提案します。まず、深層・浅層特徴融合ネットワークを構築し、多尺度の歩行者のテクスチャ特性を学習します。次に、チャネル間および空間内の相互作用情報を保持するための次元横断特徴誘導注意モジュールを設計しました。最後に、剪定戦略に基づきモデル内の冗長なチャネルを削除し、アルゴリズムの複雑度を低減します。さらに、多様なシーンでの照明や影などの外的干渉が検出結果に与える影響を軽減するため、適応型ガンマ補正アルゴリズムを設計しました。実験結果から、本手法は検出精度が同等の条件下でモデルサイズを10MBに圧縮し、処理速度は93フレーム/秒に達し、現行の主流手法を大きく上回ることが示されました。

歩行者検出;多様なシーン;軽量ネットワーク;次元横断特徴誘導;モデル圧縮