unseen 场景下的域泛化人群计数
计算机视觉与模式识别
2023-03-29 v2
摘要
人群数据间的域偏移严重阻碍人群计数模型泛化至 unseen 场景。尽管域自适应人群计数方法在一定程度上缩小了该差距，它们仍依赖于目标域数据以将其模型自适应（例如微调）至特定域。本文旨在基于单一源域训练一个能在任意 unseen 域上良好泛化的模型。这落入域泛化范畴，而在人群计数中尚待探索。我们首先引入动态子域划分方案，将源域划分为多个子域，从而能够启动用于域泛化的元学习框架。子域划分在元学习过程中被动态细化。接下来，为解耦图像特征中的域不变信息与域特定信息，我们设计了域不变与域特定人群记忆模块以重新编码图像特征。为达成该解耦，设计了两类损失，即特征重构损失与正交损失。在数个标准人群计数基准（即 SHA、SHB、QNRF 与 NWPU）上的大量实验展示了本方法的强泛化性。
引用
@article{arxiv.2212.02573,
title = {Domain-General Crowd Counting in Unseen Scenarios},
author = {Zhipeng Du and Jiankang Deng and Miaojing Shi},
journal= {arXiv preprint arXiv:2212.02573},
year = {2023}
}
备注
Accepted to AAAI 2023 as Oral Presentation