局部信息很重要：人群计数的重新思考

本文的动机源于对人群计数的一个基本特征的重新思考：在人群计数任务中，个体（人的头部）通常仅占据图像的极小部分。这一特征从未成为现有工作的关注点：它们通常使用与其他视觉任务相同的主干网络并追求大感受野。这促使我们提出人群计数的一种新模型设计原则：强调模型的局部建模能力。我们遵循这一原则设计了名为 Local Information Matters Model (LIMM) 的人群计数模型。主要创新在于两种策略：一种将网格窗口应用于模型输入的分窗设计，以及一种分窗对比学习设计以增强模型区分局部密度等级的能力。此外，在模型末端应用了全局注意力模块以处理偶尔出现的大尺寸个体。在多个公开数据集上的广泛实验表明，所提出的模型在局部建模能力上显著提升（例如在 JHU-Crowd++ 高密度子集上 MAE 提升 8.7%），同时未损害其对大尺寸个体的计数能力，达到了最先进的性能。代码可在 https://github.com/tianhangpan/LIMM 获取。