面向人群计数的误差驱动课程学习
计算机视觉与模式识别
2020-07-21 v1
摘要
密度回归已广泛应用于人群计数。然而，密度图中像素值的频率不平衡仍是提升性能的障碍。本文提出一种新颖的误差驱动课程学习策略，利用额外网络监督主网络的训练。提出一种称为TutorNet的辅导网络，反复指出主网络的关键错误。TutorNet生成像素级权重，在训练过程中为主网络制定课程，使主网络对困难样本赋予比简单样本更高的权重。此外，我们将密度图按比例缩放以拉大样本间距离，众所周知这能提升性能。在两个具挑战性的基准数据集上的大量实验表明，我们的方法取得了最先进的性能。
引用
@article{arxiv.2007.09676,
title = {Learning Error-Driven Curriculum for Crowd Counting},
author = {Wenxi Li and Zhuoqun Cao and Qian Wang and Songjian Chen and Rui Feng},
journal= {arXiv preprint arXiv:2007.09676},
year = {2020}
}
备注
This paper is accepted by ICPR2020