基于尺度自适应卷积神经网络的人群计数
计算机视觉与模式识别
2018-02-08 v4
摘要
人群计数的任务是自动估计人群图像中的行人数量。为应对人群图像中普遍存在的尺度与透视变化,最先进的方法采用多列 CNN 架构来回归人群图像的密度图。多列具有对应于不同尺度行人(头部)的不同感受野。我们转而提出一种以固定小感受野为骨干的尺度自适应 CNN(SaCNN)架构。我们从多个层提取特征图并将其调整为相同输出尺寸;将其组合以生成最终密度图。人数通过对密度图积分计算。我们还引入了相对计数损失与密度图损失,以改进网络在行人稀少人群场景上的泛化能力,而大多数代表性方法在此类场景上表现不佳。我们在 ShanghaiTech、UCF_CC_50 和 WorldExpo 数据集以及我们为行人稀少场景收集的新的 SmartCity 数据集上进行了大量实验。结果证明了 SaCNN 相对于最先进方法的显著改进。
引用
@article{arxiv.1711.04433,
title = {Crowd counting via scale-adaptive convolutional neural network},
author = {Lu Zhang and Miaojing Shi and Qiaobo Chen},
journal= {arXiv preprint arXiv:1711.04433},
year = {2018}
}
备注
IEEE Winter Conf. on Applications of Computer Vision (WACV'18)