HDNet：一种用于人群计数的分层解耦网络
计算机视觉与模式识别
2022-12-13 v1
摘要
近来，基于密度图回归的方法因其对密度分布的优异拟合能力在人群计数中占据主导。然而，由于背景噪声干扰与密度变化剧烈，进一步改进趋于饱和。本文提出一种分层解耦网络（HDNet）在统一框架内解决上述两个问题。具体而言，从密度图预测任务中分解出背景分类子任务，并将其交由密度解耦模块（DDM）以发挥其强判别能力。对于剩余前景预测子任务，由DDM进一步分层分解为若干密度特定子任务，随后由前景密度估计模块（FDEM）中基于回归的专家求解。尽管所提策略有效缩减了假设空间从而缓解了对这些任务专用专家的优化，但忽略了子任务间的高相关性。因此，我们引入三类交互策略以统一整体框架，即特征交互、梯度交互与尺度交互。融合上述思想，HDNet在多个流行计数基准上取得了最先进（state-of-the-art）性能。
引用
@article{arxiv.2212.05722,
title = {HDNet: A Hierarchically Decoupled Network for Crowd Counting},
author = {Chenliang Gu and Changan Wang and Bin-Bin Gao and Jun Liu and Tianliang Zhang},
journal= {arXiv preprint arXiv:2212.05722},
year = {2022}
}
备注
Accepted by IEEE International Conference on Multimedia and Expo (ICME), 2022