ऑक्लूजन हैंडलिंग के साथ पेडेस्ट्रियन डिटेक्शन के लिए एक डिस्क्रिमिनेटिव डीप मॉडल

पार्ट-आधारित (part-based) मॉडलों ने ऑब्जेक्ट डिटेक्शन में अपनी उपयोगिता सिद्ध की है। हालांकि, ऑक्लूजन या बड़े विरूपण (deformations) होने पर पार्ट डिटेक्टर्स के गलत स्कोरों को कैसे एकीकृत किया जाए, इस पर एक मुख्य समस्या का समाधान किया जाना बाकी है। पार्ट डिटेक्टर्स की खामियों को संभालने के लिए, यह पेपर एक प्रोबेबिलिस्टिक पेडेस्ट्रियन डिटेक्शन फ्रेमवर्क प्रस्तुत करता है। इस फ्रेमवर्क में, पार्ट डिटेक्टर्स के स्कोर प्राप्त करने के लिए एक डिफॉर्मेबल पार्ट-आधारित मॉडल का उपयोग किया जाता है और पार्ट्स की दृश्यता को हिडन वेरिएबल्स के रूप में तैयार किया जाता है। पिछले ऑक्लूजन हैंडलिंग दृष्टिकोणों के विपरीत, जो पार्ट्स की दृश्यता संभावनाओं के बीच स्वतंत्रता मानते हैं या दृश्यता संबंध के लिए मैन्युअल रूप से नियम निर्धारित करते हैं, इस पेपर में कई स्तरों पर ओवरलैपिंग पार्ट्स के बीच दृश्यता संबंध सीखने के लिए एक डिस्क्रिमिनेटिव डीप मॉडल का उपयोग किया जाता है। तीन सार्वजनिक डेटासेट्स (Caltech, ETH और Daimler) तथा ऑक्लूजन हैंडलिंग दृष्टिकोणों के मूल्यांकन के लिए विशेष रूप से डिज़ाइन किए गए एक नए CUHK ऑक्लूजन डेटासेट 1 पर प्रयोगात्मक परिणाम प्रस्तावित दृष्टिकोण की प्रभावशीलता को दर्शाते हैं।