用于人群计数的密集尺度网络
计算机视觉与模式识别
2019-06-25 v1
摘要
近年来，人群计数已被计算机视觉界广泛研究。由于尺度变化大，它仍是一项具有挑战性的任务。以往方法采用多列 CNN 或多分支单列 CNN 来处理该问题。然而，受限于列数或分支数，这些方法只能捕捉少数几种不同尺度，能力有限。本文提出一种简单而有效的网络 DSNet 用于人群计数，可轻松以端到端方式训练。我们网络的关键组件是密集空洞卷积块，其中每个空洞卷积层与其他层密集连接，以保留连续变化尺度的信息。空洞卷积层中的膨胀率经过精心选择，以防止该块出现网格伪影。为了进一步扩大网络所覆盖的尺度范围，我们级联三个块并以密集残差连接相连。我们还引入了一种新颖的多尺度密度水平一致性损失以提升性能。为评估我们的方法，我们在四个人群计数数据集（ShanghaiTech、UCF-QNRF、UCF_CC_50 和 UCSD）上将其与 SOTA 算法比较。实验结果表明，DSNet 能取得最佳性能，并在全部四个数据集上实现显著提升（在 UCF-QNRF 和 UCF_CC_50 上提升 30%，在其他数据集上提升 20%）。
引用
@article{arxiv.1906.09707,
title = {Dense Scale Network for Crowd Counting},
author = {Feng Dai and Hao Liu and Yike Ma and Juan Cao and Qiang Zhao and Yongdong Zhang},
journal= {arXiv preprint arXiv:1906.09707},
year = {2019}
}