利用未充分使用的输出特征提升人群分析中的检测性能
计算机视觉与模式识别
2023-08-31 v1
摘要
基于检测的方法在人群分析中因在密集人群中表现不佳而受到轻视。然而，我们认为这些方法的潜力被低估了，因为它们提供了常被忽略的、对人群分析至关重要的信息。具体而言，输出候选框与边界框的区域大小和置信度分数揭示了人群的尺度与密度。为利用这些未被充分使用的特征，我们提出 Crowd Hat，一个可轻松集成到现有检测模型中的即插即用模块。该模块采用混合 2D-1D 压缩技术来精炼输出特征，并获取人群特定信息的空间与数值分布。基于这些特征，我们进一步提出区域自适应 NMS 阈值和先解耦后对齐范式，以解决基于检测的方法的主要局限。我们在包括人群计数、定位与检测在内的多种人群分析任务上的广泛评估，证明了利用输出特征的有效性以及基于检测的方法在人群分析中的潜力。
引用
@article{arxiv.2308.16187,
title = {Boosting Detection in Crowd Analysis via Underutilized Output Features},
author = {Shaokai Wu and Fengyu Yang},
journal= {arXiv preprint arXiv:2308.16187},
year = {2023}
}
备注
project page: https://fredfyyang.github.io/Crowd-Hat/