利用逆 k 近邻图与多尺度上采样改进密集人群计数卷积神经网络
计算机视觉与模式识别
2019-04-02 v3 机器学习
机器学习
摘要
从数千到数百万人的聚集频繁发生于种类繁多的活动中，而这些高密度人群的自动化计数对于安全、管理以及衡量活动重要性十分有用。在本文中，我们表明，用于训练深度神经网络的人群密度图常规标注方案，其效果不如我们提出的替代方案——逆 k 近邻（iNN）图，即便直接用于现有最先进的网络结构也是如此。我们还提供了一种新网络架构 MUD-iNN，其通过转置卷积进行多尺度上采样，以充分利用所提供的 iNN 标注。该上采样与 iNN 图相结合进一步提升了人群计数精度。我们的新网络架构相较于最先进水平表现更优。然而，我们的标注与上采样技术可普遍应用于现有人群计数架构。
引用
@article{arxiv.1902.05379,
title = {Improving Dense Crowd Counting Convolutional Neural Networks using Inverse k-Nearest Neighbor Maps and Multiscale Upsampling},
author = {Greg Olmschenk and Hao Tang and Zhigang Zhu},
journal= {arXiv preprint arXiv:1902.05379},
year = {2019}
}