一瞥即数：基于锚点的排序学习用于弱监督人群计数
计算机视觉与模式识别
2022-05-31 v1 人工智能
摘要
人群图像可以说是最为费力的标注数据之一。本文致力于减少对密集标注人群数据的海量需求，提出了一种新颖的弱监督设定，其中我们利用两张人群计数对比鲜明图像之间的二值排序作为训练指导。为在该新设定下实现训练，我们将人群计数回归问题转化为排序势预测问题。具体而言，我们定制了一个孪生排序网络，预测两幅图像的势分数以指示计数的大小顺序。因此，最终目标是为所有人群图像分配恰当的势，以确保其顺序遵从排序标签。另一方面，势揭示了相对人群规模但无法给出精确人群计数。我们通过在推断阶段引入“锚点”解决此问题。具体地，锚点是少量带计数标签的图像，用于通过简单的线性映射函数从势分数参照出对应计数。我们进行了大量实验研究各种监督组合，并表明所提方法在无需额外标注开销的情况下大幅优于现有弱监督方法。
引用
@article{arxiv.2205.14659,
title = {Glance to Count: Learning to Rank with Anchors for Weakly-supervised Crowd Counting},
author = {Zheng Xiong and Liangyu Chai and Wenxi Liu and Yongtuo Liu and Sucheng Ren and Shengfeng He},
journal= {arXiv preprint arXiv:2205.14659},
year = {2022}
}