HA-CCN：基于分层注意力的人群计数网络
计算机视觉与模式识别
2019-10-23 v1
摘要
基于单图像的人群计数最近受到越来越多的关注，但许多主流方法远未达到最优，特别是在高度拥挤的场景中。在本文中，我们提出了基于分层注意力的人群计数网络 (HA-CCN)，它在不同层级采用注意力机制来选择性地增强网络的特征。所提出的方法基于 VGG16 网络，由一个空间注意力模块 (SAM) 和一组全局注意力模块 (GAM) 组成。SAM 通过注入空间分割信息来增强网络中的低级特征，而 GAM 专注于增强更高层中的通道信息。所提出的方法是一个单步训练框架，易于实现，并在不同数据集上取得了 SOTA 结果。此外，我们通过引入一种新设置扩展了所提出的计数网络，该设置利用图像级标签通过弱监督使网络适应不同的场景和数据集。这种新设置减轻了为新数据集获取耗费人力的逐点标注的负担，同时提高了跨数据集的性能。
引用
@article{arxiv.1907.10255,
title = {HA-CCN: Hierarchical Attention-based Crowd Counting Network},
author = {Vishwanath A. Sindagi and Vishal M. Patel},
journal= {arXiv preprint arXiv:1907.10255},
year = {2019}
}
备注
Accepted for publication at IEEE Transactions on Image Processing (TIP) 2019