FGENet：面向拥挤人群计数的细粒度提取网络

人群计数因其实际应用而广受欢迎。然而，主流计数方法忽略了精确的个体定位，并且由于通过估计密度图进行计数而受到标注噪声的影响。此外，它们在高密度图像上也表现不佳。为了解决这些问题，我们提出了一种端到端模型，称为细粒度提取网络（FGENet）。与估计密度图的方法不同，FGENet直接学习代表个体精确定位的原始坐标点。本研究设计了一个融合模块，名为细粒度特征金字塔（FGFP），用于融合由FGENet主干提取的特征图。融合后的特征随后被传递到回归头和分类头，其中回归头为给定图像提供预测点坐标，分类头确定每个预测点是个体的置信度。最后，FGENet通过匈牙利算法建立预测点与真实点之间的对应关系。为了训练FGENet，我们设计了一个鲁棒的损失函数，名为三任务组合（TTC），以减轻标注噪声的影响。在四个广泛使用的人群计数数据集上进行了大量实验。实验结果证明了FGENet的有效性。值得注意的是，我们的方法在ShanghaiTech Part A数据集上的平均绝对误差（MAE）取得了3.14个点的显著提升，展示了其相对于现有最先进方法的优越性。更令人印象深刻的是，FGENet在UCF_CC_50数据集上以MAE惊人的30.16个点提升超越了之前的基准。