面向含噪标注人群计数的交叉头监督方法
计算机视觉与模式识别
2023-10-03 v1
摘要
由于多尺度头部尺寸、高遮挡等原因，人群计数数据集中常存在漏标和位置偏移等噪声标注。这些噪声标注严重影响模型训练，尤其对基于密度图的方法。为缓解噪声标注的负面影响，我们提出一种具有一个卷积头和一个 transformer 头的新颖人群计数模型，其中这两个头可在噪声区域相互监督，称为交叉头监督 (Cross-Head Supervision)。所得模型 CHS-Net 能协同不同种类的归纳偏置以获得更好的计数。此外，我们提出一种渐进式交叉头监督学习策略以稳定训练过程并提供更可靠的监督。在 ShanghaiTech 和 QNRF 数据集上的大量实验结果表明，其性能优于当前最优 (SOTA) 方法。代码见 https://github.com/RaccoonDML/CHSNet。
引用
@article{arxiv.2303.09245,
title = {Cross-head Supervision for Crowd Counting with Noisy Annotations},
author = {Mingliang Dai and Zhizhong Huang and Jiaqi Gao and Hongming Shan and Junping Zhang},
journal= {arXiv preprint arXiv:2303.09245},
year = {2023}
}
备注
accepted by ICASSP 2023