  |
在FG2020 Chalearn Looking at People Challenge的Identity-preserved Human Detection任务中，VIPL参赛队伍获得Depth-Thermal Fusion 赛道的第二名和Thermal 赛道的第三名。比赛的任务为在弱监督标注的热力图数据及深度图数据上检测人体，相比于普通图像的人体检测任务而言，具有细节信息量少、数据噪点多和标注噪声多的特点。针对数据噪点问题，设计动态噪点修复方法，明显提升数据质量；针对任务中较为广泛的漏标签和不准确标签等弱监督标注问题，提出噪声鲁棒的在线难例挖掘策略，显著提升模型训练的稳定性和检测精度；针对检测任务中的多源信息融合，提出并试验了早期融合、中期融合和后期融合三种不同融合方式。单模型单尺度测试结果分别取得了两个赛道的第二名和第三名的成绩。
相关论文：
[1] Zijian Zhao, Jie Zhang, Shiguang Shan. Noise Robust Hard Example Mining for Human Detection with Efficient Depth-Thermal Fusion. IEEE International Conference on Automatic Face and Gesture Recognition Workshops (FGW), 2020.
附件：