基于元学习的少样本场景自适应人群计数
计算机视觉与模式识别
2020-06-22 v3
摘要
我们考虑少样本场景自适应人群计数问题。给定一个目标相机场景，我们的目标是以该场景仅有的少量标注图像，将模型适配到这一特定场景。该问题的解决方案在众多真实世界场景中具有潜在应用价值，其中我们理想地希望部署一个专门适配于目标相机的计数模型。我们通过借鉴近期少样本设定下提出的学会学习（learning-to-learn）范式来应对这一挑战。在训练中，我们的方法以有利于快速适配目标场景的方式学习模型参数。在测试时，给定具有少量标注数据的目标场景，我们的方法通过对所学参数进行数次梯度更新，快速适配该场景。我们大量的实验结果表明，所提方法在少样本场景自适应人群计数上优于其他替代方案。代码见 https://github.com/maheshkkumar/fscc。
引用
@article{arxiv.2002.00264,
title = {Few-Shot Scene Adaptive Crowd Counting Using Meta-Learning},
author = {Mahesh Kumar Krishna Reddy and Mohammad Hossain and Mrigank Rochan and Yang Wang},
journal= {arXiv preprint arXiv:2002.00264},
year = {2020}
}
备注
Accepted to WACV 2020