基于稀疏标注的人群计数
计算机视觉与模式识别
2023-04-13 v1 机器学习
摘要
本文提出一种用于人群计数的新标注方法——稀疏标注（SA），通过对图像中个体进行稀疏标注以减少人工标注工作量。我们认为稀疏标注可降低全标注的冗余，并从未被局部标注（Partial Annotation）方法充分捕获的远处个体中捕捉更多样化信息。此外，我们提出一种基于点的渐进点匹配网络（PPM）以借助稀疏标注从整幅图像更好地探索人群，其包含提议匹配网络（PMN）与性能恢复网络（PRN）。PMN 使用基础点分类器生成伪点样本，而 PRN 利用伪点精炼点分类器以最大化性能。实验结果表明，在相同标注量下 PPM 大幅优于先前的半监督人群计数方法，并取得了与最先进全监督方法相竞争的性能。
引用
@article{arxiv.2304.06021,
title = {Crowd Counting with Sparse Annotation},
author = {Shiwei Zhang and Zhengzheng Wang and Qing Liu and Fei Wang and Wei Ke and Tong Zhang},
journal= {arXiv preprint arXiv:2304.06021},
year = {2023}
}