上下文感知的人群计数
计算机视觉与模式识别
2019-04-16 v2
摘要
在拥挤场景中计数人群的最先进方法依赖深度网络来估计人群密度。它们通常对整个图像或较大图像块使用相同的滤波器，之后才估计局部尺度以补偿透视畸变。这通常通过训练一个辅助分类器来实现，该分类器为预定义图像块在有限选项集中选择最佳核尺寸。因此，这些方法不是端到端可训练的，且所能利用的上下文范围受限。本文引入一种端到端可训练的深度架构，其结合了使用多种感受野尺寸获得的特征，并学习每个此类特征在各图像位置的重要性。换言之，我们的方法自适应地编码准确预测人群密度所需的上下文信息尺度。由此产生的算法优于最先进的人群计数方法，尤其在透视效应强烈时。
引用
@article{arxiv.1811.10452,
title = {Context-Aware Crowd Counting},
author = {Weizhe Liu and Mathieu Salzmann and Pascal Fua},
journal= {arXiv preprint arXiv:1811.10452},
year = {2019}
}
备注
CVPR 2019