基于分割注意力卷积神经网络的人群计数
计算机视觉与模式识别
2022-04-18 v1 机器学习
摘要
深度学习在人群计数中占据无可争议的统治地位。本文提出一种称为 SegCrowdNet 的新型卷积神经网络（CNN）架构。尽管人群场景背景复杂，所提 SegCrowdNet 仍通过分割自适应地高亮人头区域并抑制非头部区域。在注意力机制引导下，所提 SegCrowdNet 更关注人头区域并自动编码高度精炼的密度图。人群数量可由密度图积分得到。为适配人群数量的变化，SegCrowdNet 智能地将每幅图像的人群数量分为若干组。此外，所提 SegCrowdNet 中学习并提取多尺度特征以克服人群的尺度变化。为验证所提方法的有效性，在四个具挑战性数据集上进行了大量实验。结果表明，与当前最优方法相比，所提 SegCrowdNet 取得了优异性能。
引用
@article{arxiv.2204.07380,
title = {Crowd counting with segmentation attention convolutional neural network},
author = {Jiwei Chen and Zengfu Wang},
journal= {arXiv preprint arXiv:2204.07380},
year = {2022}
}
备注
Accepted by IET Image Processing