基于轻量级架构的密集人群检测与计数
计算机视觉与模式识别
2021-08-31 v1 神经与进化计算
摘要
在人群计数领域，大多数工作集中于提升精度而忽视性能，导致所提出的算法不适用于嵌入式应用。本文提出一种轻量级卷积神经网络架构，以更少的计算机资源实现人群检测与计数，且计数精度损失不显著。该架构使用 Bayes 损失函数进行训练以进一步提升精度，随后进行剪枝以进一步降低所用计算资源。所提架构在 USF-QNRF 数据集上进行了测试，取得了具有竞争力的平均绝对误差 154.07 和更优的均方误差 241.77，同时保持了 0.067 百万的具竞争力参数量。所得结果表明，Bayes 损失可与其他架构结合以进一步改进它们，且最后一层卷积未提供显著信息，甚至在训练时促使过拟合。
引用
@article{arxiv.2007.06630,
title = {Dense Crowds Detection and Counting with a Lightweight Architecture},
author = {Javier Antonio Gonzalez-Trejo and Diego Alberto Mercado-Ravell},
journal= {arXiv preprint arXiv:2007.06630},
year = {2021}
}