关注头部位置的人群计数方法
计算机视觉与模式识别
2018-06-28 v1
摘要
遮挡、复杂背景、尺度变化和非均匀分布给实际应用中的人群计数带来了巨大挑战。本文提出一种利用注意力模型来挖掘头部位置这一人群计数最重要线索的新方法。该注意力模型估计一个概率图，其中高概率指示头部可能存在的位置。估计的概率图用于抑制来自卷积神经网络多个多尺度特征提取分支的特征图中的非头部区域，以进行人群密度估计，这使我们的方法对复杂背景、尺度变化和非均匀分布具有鲁棒性。此外，我们引入相对偏差损失来补充常用的训练损失（欧氏距离），以提高稀疏人群密度估计的精度。在 Shanghai-Tech、UCF_CC_50 和 World-Expo'10 数据集上的实验证明了我们方法的有效性。
引用
@article{arxiv.1806.10287,
title = {Attention to Head Locations for Crowd Counting},
author = {Youmei Zhang and Chunluan Zhou and Faliang Chang and Alex C. Kot},
journal= {arXiv preprint arXiv:1806.10287},
year = {2018}
}