基于深度学习的单图像人群计数综述：网络设计、损失函数与监督信号
计算机视觉与模式识别
2022-07-12 v2
摘要
单图像人群计数是一种具有挑战性的计算机视觉问题，在公共安全、城市规划、交通管理等方面有广泛应用。随着深度学习技术的近期发展，人群计数近年来引起广泛关注并取得巨大成功。本综述旨在通过系统回顾和总结自2015年以来该领域200余篇基于密度图估计的深度学习人群计数工作，对该方向的近期进展进行全面总结。我们的目标是提供对近期方法的及时回顾，并让该领域的新研究者了解设计原则与权衡。在介绍公开可用数据集与评估指标后，我们回顾近期进展，并对人群计数的三个主要设计模块进行详细比较：深度神经网络设计、损失函数和监督信号。我们使用公开数据集和评估指标对各类方法进行研究与比较。我们在综述最后给出了一些未来方向。
引用
@article{arxiv.2012.15685,
title = {A Survey on Deep Learning-based Single Image Crowd Counting: Network Design, Loss Function and Supervisory Signal},
author = {Haoyue Bai and Jiageng Mao and S. -H. Gary Chan},
journal= {arXiv preprint arXiv:2012.15685},
year = {2022}
}
备注
Neurocomputing minor revision. Project page is at https://github.com/HaoyueBaiZJU/A-Recent-Systematic-Survey-for-Crowd-Counting