利用合成数据增强与解析人群计数
计算机视觉与模式识别
2022-01-25 v1
摘要
在本文中，我们提出了一个模拟人群计数数据集 CrowdX，其具有大规模、标注准确、参数化实现和高保真度。将该数据集用作数据增强的实验结果表明，我们所提出的精简高效基准网络 ESA-Net 的性能可提升 8.4%。在 CrowdX 上预训练的两个其他经典异构架构 MCNN 和 CSRNet 也显示出显著的性能提升。考虑到许多影响因素决定了性能，例如背景、相机角度、人群密度和分辨率。尽管这些因素很重要，但关于它们如何影响人群计数的研究仍然缺乏。得益于具有丰富标注信息的 CrowdX 数据集，我们进行了大量数据驱动的对比实验来分析这些因素。我们的研究为更深入理解人群计数问题提供了参考，并在算法的实际部署中提出了一些有益建议。
引用
@article{arxiv.2201.08992,
title = {Enhancing and Dissecting Crowd Counting By Synthetic Data},
author = {Yi Hou and Chengyang Li and Yuheng Lu and Liping Zhu and Yuan Li and Huizhu Jia and Xiaodong Xie},
journal= {arXiv preprint arXiv:2201.08992},
year = {2022}
}