利用热图调节改进目标计数
计算机视觉与模式识别
2018-05-25 v2
摘要
本文提出一种简单有效的方法，改进用于图像目标计数的单看回归模型。我们使用类激活图可视化来说明为计数任务学习纯单看回归模型的缺陷。基于这些见解，我们通过用由简单点标注生成的粗真值激活图来调节网络最终卷积层的激活图，从而增强单看回归计数模型。我们称此策略为热图调节(HR)。我们表明，这一简单增强有效抑制了相应单看基线模型产生的误检，并改善了假阴性方面的性能。评估在四个不同计数数据集上执行——两个用于车辆计数(CARPK、PUCPR+)，一个用于人群计数(WorldExpo)，另一个用于生物细胞计数(VGG-Cells)。在简单VGG前端上添加HR，相较于简单单看基线模型，在所有这些基准上提升了性能，并取得了车辆计数的最优(state-of-the-art)性能。
引用
@article{arxiv.1803.05494,
title = {Improving Object Counting with Heatmap Regulation},
author = {Shubhra Aich and Ian Stavness},
journal= {arXiv preprint arXiv:1803.05494},
year = {2018}
}
备注
Code repository: https://github.com/littleaich/heatmap-regulation