动态代理域通过更好的二值分割泛化人群定位
计算机视觉与模式识别
2025-04-03 v2
摘要
人群定位旨在预测图像中每个实例的精确位置。当前先进方法采用逐像素二值分类来处理拥挤预测，其中像素级阈值将预测置信度二值化为是否为行人头部。由于人群场景的内容、数量和尺度变化极大，置信度阈值学习器在面对领域知识偏移时脆弱且泛化不足。此外，大多数情况下目标领域在训练时是未知的。因此，探索如何增强置信度阈值定位器对潜在目标领域的泛化能力至关重要。本文提出一种动态代理域(DPD)方法，以在领域偏移下泛化学习器。具体地，基于对潜在目标领域上二值分类器的泛化误差风险上界的理论分析，我们提出引入一个生成的代理域来促进泛化。然后，基于该理论，我们设计了一个DPD算法，由训练范式和代理域生成器组成，以增强置信度阈值学习器的领域泛化能力。此外，我们在五种领域偏移场景上进行了实验，证明了该方法在泛化人群定位方面的有效性。我们的代码将在https://github.com/zhangda1018/DPD提供。
引用
@article{arxiv.2404.13992,
title = {Dynamic Proxy Domain Generalizes the Crowd Localization by Better Binary Segmentation},
author = {Junyu Gao and Da Zhang and Qiyu Wang and Zhiyuan Zhao and Xuelong Li},
journal= {arXiv preprint arXiv:2404.13992},
year = {2025}
}