CrowdMLP：基于多粒度 MLP 的弱监督人群计数
计算机视觉与模式识别
2022-03-17 v1 人工智能
摘要
现有最先进的人群计数算法过度依赖位置级标注，而此类标注获取负担沉重。当仅有计数级（弱）监督信号可用时，由于缺乏显式空间约束，回归总人数既艰巨又易错。为解决此问题，提出一种新颖高效的计数器（称为 CrowdMLP），其通过设计多粒度 MLP 回归器探究嵌入的全局依赖建模并回归总人数。具体而言，级联一个局部聚焦的预训练前端以提取具内在空间线索的粗特征图，防止模型坍缩为平凡结果。粗嵌入与原始人群场景在不同粒度层被令牌化。多粒度 MLP 随后在基数、通道和空间维度上混合令牌以挖掘全局信息。还提出了一种有效的代理任务，即 Split-Counting，以自监督方式规避有限样本与空间提示短缺的障碍。大量实验表明，CrowdMLP 显著优于现有弱监督计数算法，并与最先进的位置级监督方法表现相当。
引用
@article{arxiv.2203.08219,
title = {CrowdMLP: Weakly-Supervised Crowd Counting via Multi-Granularity MLP},
author = {Mingjie Wang and Jun Zhou and Hao Cai and Minglun Gong},
journal= {arXiv preprint arXiv:2203.08219},
year = {2022}
}