用于人群计数的混合图神经网络
计算机视觉与模式识别
2020-02-04 v1
摘要
由于尺度与密度变化大，人群计数是一项重要却具挑战性的任务。近期研究表明，提炼多尺度特征间的丰富关系，并从辅助任务（即定位）中挖掘有用信息，对该任务至关重要。然而，如何在统一网络架构中全面利用这些关系仍具挑战。本文提出一种称为混合图神经网络（HyGnn）的新型网络结构，旨在通过交织多尺度人群密度特征及其辅助任务（定位）特征，并在图上进行联合推理来缓解该问题。具体而言，HyGnn 整合一个混合图，将不同尺度的任务特定特征图作为节点联合表示，并将两类关系作为边：（i）用于捕捉跨尺度特征依赖的多尺度关系；（ii）为计数与定位协作搭建桥梁的互益关系。因此，通过消息传递，HyGnn 可提炼节点间的丰富关系以获得更强大的表示，从而得到鲁棒且准确的结果。我们的 HyGnn 在四个具挑战性数据集：ShanghaiTech Part A、ShanghaiTech Part B、UCF_CC_50 与 UCF_QNRF 上表现显著优异，大幅超越 SOTA 方法。
引用
@article{arxiv.2002.00092,
title = {Hybrid Graph Neural Networks for Crowd Counting},
author = {Ao Luo and Fan Yang and Xin Li and Dong Nie and Zhicheng Jiao and Shangchen Zhou and Hong Cheng},
journal= {arXiv preprint arXiv:2002.00092},
year = {2020}
}
备注
To appear in AAAI 2020