利用合成数据实现自然环境下的人群计数
计算机视觉与模式识别
2019-03-11 v1
摘要
近期，由于人群场景计数具有广泛的应用（如视频监控、公共安全），它已成为一个热门课题。在自然环境中这是一项困难的任务：多变的环境和较大范围的人数变化导致当前方法无法很好地工作。此外，由于数据稀缺，许多方法在不同程度上存在过拟合问题。为了解决上述两个问题，首先，我们开发了一个数据收集器和标注器，能够生成合成的人群场景并同时进行标注，无需任何人力。基于此，我们构建了一个大规模、多样化的合成数据集。其次，我们提出了两种利用合成数据来提升自然环境下人群计数性能的方案：1）在合成数据上预训练人群计数器，然后使用真实数据进行微调，这显著提升了模型在真实数据上的性能；2）提出了一种基于域适应的人群计数方法，能够将人类从繁重的数据标注中解放出来。大量实验表明，第一种方法在四个真实数据集上取得了 SOTA（state-of-the-art）性能，第二种方法优于我们的基线。数据集和源代码可在 https://gjy3035.github.io/GCC-CL/ 获取。
引用
@article{arxiv.1903.03303,
title = {Learning from Synthetic Data for Crowd Counting in the Wild},
author = {Qi Wang and Junyu Gao and Wei Lin and Yuan Yuan},
journal= {arXiv preprint arXiv:1903.03303},
year = {2019}
}
备注
Accepted by CVPR2019