AdaCrowd：面向人群计数的无标签场景自适应
计算机视觉与模式识别
2021-02-24 v2
摘要
我们研究基于图像的人群计数问题。特别地，我们提出一个名为无标签场景自适应人群计数的新问题。给定一个新的目标场景，我们希望基于捕获了该新场景某些信息的目标数据，拥有一个专门适配此特定场景的人群计数模型。本文中，我们提议使用来自目标场景的一张或多张无标签图像来执行自适应。与现有问题设定（如全监督）相比，我们所提问题设定更贴近人群计数系统的真实世界应用。我们引入一种新颖的AdaCrowd框架来解决该问题。我们的框架由一个人群计数网络和一个引导网络组成。引导网络基于来自特定场景的无标签图像预测人群计数网络中的某些参数。这使我们的模型能适配不同目标场景。在多个具挑战性的基准数据集上的实验结果证明了我们所提方法相较于其他替代方法的有效性。代码见https://github.com/maheshkkumar/adacrowd。
引用
@article{arxiv.2010.12141,
title = {AdaCrowd: Unlabeled Scene Adaptation for Crowd Counting},
author = {Mahesh Kumar Krishna Reddy and Mrigank Rochan and Yiwei Lu and Yang Wang},
journal= {arXiv preprint arXiv:2010.12141},
year = {2021}
}
备注
Accepted for publication in IEEE Transactions on Multimedia (TMM)