密集点预测：一种用于人群计数与定位的简单基线
计算机视觉与模式识别
2021-04-27 v1
摘要
在本文中，我们提出了一个简单而有效的人群计数与定位网络，名为SCALNet。与大多数将计数与定位任务分离的工作不同，我们将这些任务视为像素级密集预测问题，并将其整合到一个端到端框架中。具体而言，对于人群计数，我们采用由均方误差（MSE）损失监督的计数头。对于人群定位，关键见解是识别人的关键点，即头部中心点。我们提出一个由两种损失函数训练的局部化头以区分密集人群，即负样本抑制焦点（NSF）损失与假阳性（FP）损失，其平衡了正/负样本并处理了假阳性预测。在近期大规模基准NWPU-Crowd上的实验表明，我们的方法在人群定位与计数任务上分别优于最先进方法超过5%和10%。代码公开于 https://github.com/WangyiNTU/SCALNet。
引用
@article{arxiv.2104.12505,
title = {Dense Point Prediction: A Simple Baseline for Crowd Counting and Localization},
author = {Yi Wang and Xinyu Hou and Lap-Pui Chau},
journal= {arXiv preprint arXiv:2104.12505},
year = {2021}
}
备注
6 pages. Accepted at ICME Workshop 2021