Resumen

El modelo de detección de peatones tiene un alto requisito en la calidad del conjunto de datos. En relación con este problema, este documento utiliza tecnología de limpieza de datos para mejorar la calidad del conjunto de datos, con el fin de mejorar el rendimiento del modelo de detección de peatones. El conjunto de datos utilizado en este documento se obtiene de estaciones de metro en Beijing y Nanjing. La calidad de las imágenes de datos está sujeta a desenfoque por movimiento, iluminación desigual y otros factores ruidosos. Por lo tanto, la limpieza de datos es muy importante para este documento. El proceso de limpieza de datos en este documento se divide en dos partes: detección y corrección. Primero, todo el conjunto de datos pasa por la detección de desenfoque, y las imágenes gravemente borrosas se filtran como las muestras difíciles. Luego, la imagen se envía a DeblurGAN para el procesamiento de desenfoque. Se utiliza un algoritmo de corrección de iluminación adaptativa de función gamma 2D para corregir la imagen del peatón del metro

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Modelo de detección de peatones; Calidad del conjunto de datos; Tecnología de limpieza de datos; Estaciones de metro; Desenfoque de movimiento; Corrección de iluminación; DeblurGAN; Resultados de detección; Mejora del rendimiento; Factores ruidosos; Algoritmo adaptativo; Beijing; Nanjing; Función gamma 2D; Proceso de corrección; Modelo de detección.
• Keywords:Pedestrian detection model; Dataset quality; Data cleaning technology; Subway stations; Motion blur; Illumination correction; DeblurGAN; Detection results; Performance improvement; Noisy factors; Adaptive algorithm; Beijing; Nanjing; 2D gamma function; Correction process; Detection model.