ADCrowdNet：一种用于人群理解的可注入注意力可变形卷积网络
计算机视觉与模式识别
2019-04-12 v5
摘要
我们提出一种称为ADCrowdNet的可注入注意力可变形卷积网络用于人群理解，可解决高度拥挤噪声场景中精度退化的问题。ADCrowdNet包含两个串联的网络。一个名为注意力图生成器（AMG）的注意力感知网络首先检测图像中的人群区域并计算这些区域的拥挤程度。基于检测到的人群区域与拥挤先验，一个名为密度图估计器（DME）的多尺度可变形网络随后生成高质量密度图。借助注意力感知训练方案与多尺度可变形卷积方案，所提ADCrowdNet获得了更有效捕捉人群特征且更强抵抗各类噪声的能力。我们在四个流行的人群计数数据集（ShanghaiTech、UCF_CC_50、WorldEXPO'10和UCSD）以及一个额外的车辆计数数据集TRANCOS上评估了我们的方法，我们的方法在所有这些数据集上均击败了现有的SOTA方法。
关键词
引用
@article{arxiv.1811.11968,
title = {ADCrowdNet: An Attention-injective Deformable Convolutional Network for Crowd Understanding},
author = {Ning Liu and Yongchao Long and Changqing Zou and Qun Niu and Li Pan and Hefeng Wu},
journal= {arXiv preprint arXiv:1811.11968},
year = {2019}
}
备注
Accepted by CVPR 2019