结合局部计数图的自适应混合回归网络在人群计数中的应用
计算机视觉与模式识别
2020-05-14 v2
摘要
人群计数任务旨在估计图像或视频帧中的人数。现有方法广泛采用密度图作为训练目标以优化逐点损失。而在测试阶段，我们仅关注人群数量与密度图全局总和之间的差异，这表明训练目标与评估标准之间存在不一致性。为解决这一问题，我们引入了一种新的目标，称为局部计数图 (LCM)，以获得比基于密度图的方法更准确的结果。此外，我们还提出了一种自适应混合回归框架，以由粗到细的方式通过三个模块进一步提高人群估计的精度：尺度感知模块 (SAM)、混合回归模块 (MRM) 和自适应软区间模块 (ASIM)。具体而言，SAM 充分利用来自不同卷积特征的上下文和多尺度信息；MRM 和 ASIM 在图像的局部图块上执行更精确的计数回归。与现有方法相比，所提出的方法在典型数据集上表现出更好的性能。源代码可在 https://github.com/xiyang1012/Local-Crowd-Counting 获取。
引用
@article{arxiv.2005.05776,
title = {Adaptive Mixture Regression Network with Local Counting Map for Crowd Counting},
author = {Xiyang Liu and Jie Yang and Wenrui Ding},
journal= {arXiv preprint arXiv:2005.05776},
year = {2020}
}