CCCNet：基于注意力的分类人群计数深度学习框架
计算机视觉与模式识别
2019-12-13 v1
摘要
统计图像中人数的人群计数问题近年来被广泛研究。本文引入人群计数问题的一个新变体，即“分类人群计数”，用于统计给定图像中坐着与站着的人数。分类人群计数具有诸多现实应用，如人群监控、客户服务与资源管理。其主要的挑战来自高度遮挡、透视畸变以及坐立者看似一致的上身姿态。现有基于密度图的方法能较好近似大规模人群，却丢失了分类所需的局部信息。另一方面，传统基于检测的方法在遮挡环境中表现不佳，尤其当人群规模增大时。因此，为解决分类人群计数问题，我们提出了一种新颖的基于注意力的深度学习框架以克服上述局限。具体而言，我们的方法分三阶段：i）首先生成基于基础检测的坐立密度图以捕获局部信息；ii）随后生成基于人群计数的密度图作为全局计数特征；iii）最后通过跨分支分离细化阶段，利用注意力机制将人群密度图拆分为最终的坐立密度图。大量实验证明了本方法在解决分类人群计数问题上的有效性。
引用
@article{arxiv.1912.05765,
title = {CCCNet: An Attention Based Deep Learning Framework for Categorized Crowd Counting},
author = {Sarkar Snigdha Sarathi Das and Syed Md. Mukit Rashid and Mohammed Eunus Ali},
journal= {arXiv preprint arXiv:1912.05765},
year = {2019}
}
备注
12 pages, 5 figures