挖掘多列架构在人群计数中的潜力
计算机视觉与模式识别
2020-07-29 v2 机器学习
摘要
人群计数是计算机视觉中一项重要但具有挑战性的任务，原因包括严重遮挡、复杂背景和大尺度变化等。多列架构被广泛采用以克服这些挑战，在许多公共基准中取得了最先进的性能。然而，这种设计仍存在两个问题：尺度限制和特征相似性，从而进一步限制了性能提升。本文提出了一种名为金字塔尺度网络（PSNet）的新型人群计数框架来明确解决这些问题。具体地，对于尺度限制，我们采用三个金字塔尺度模块（PSM）来高效捕获多尺度特征，将消息传递机制和注意力机制集成到多列架构中。此外，对于特征相似性，引入了一种名为多列方差损失的新型损失函数，使PSM中每列学习的特征彼此适当不同。据我们所知，PSNet是第一个明确解决多列设计中尺度限制和特征相似性的工作。在五个基准数据集上的大量实验证明了所提出创新的有效性以及优于最先进方法的性能。我们的代码公开于：https://github.com/oahunc/Pyramid_Scale_Network
引用
@article{arxiv.2007.05779,
title = {Exploit the potential of Multi-column architecture for Crowd Counting},
author = {Junhao Cheng and Zhuojun Chen and XinYu Zhang and Yizhou Li and Xiaoyuan Jing},
journal= {arXiv preprint arXiv:2007.05779},
year = {2020}
}