EHNet：用于人群计数与定位的高效混合网络
计算机视觉与模式识别
2025-03-18 v1
摘要
近年来，人群计数与定位已成为计算机视觉中的关键技术，应用涵盖多个领域。单张图像中多尺度人群分布的存在仍然是人群计数任务中的基本挑战。为应对这些挑战，我们提出了高效混合网络（EHNet），一种用于高效人群计数与定位的新框架。通过将人群计数重新表述为点回归框架，EHNet 利用空间位置注意力模块（SPAM）来捕获全面的空间上下文和长程依赖。此外，我们开发了自适应特征聚合模块（AFAM）来有效融合和协调多尺度特征表示。在此基础上，我们引入了多尺度注意力解码器（MSAD）。在四个基准数据集上的实验结果表明，EHNet 在降低计算开销的同时实现了具有竞争力的性能，在 ShanghaiTech Part A、ShanghaiTech Part B、UCF-CC-50 和 UCF-QNRF 上优于现有方法。我们的代码位于 https://anonymous.4open.science/r/EHNet。
引用
@article{arxiv.2503.12061,
title = {EHNet: An Efficient Hybrid Network for Crowd Counting and Localization},
author = {Yuqing Yan and Yirui Wu},
journal= {arXiv preprint arXiv:2503.12061},
year = {2025}
}