计数CNN混合模型：面向人群计数中特定外观的CNN自适应集成
计算机视觉与模式识别
2017-03-29 v1
摘要
本文提出了一种人群计数方法。由于密度和尺度的变化导致目标外观发生较大变化，人群计数十分困难。传统的人群计数方法通常利用单一预测器（例如回归和多类分类器）。然而，仅使用单一预测器无法很好地对具有较大外观变化的目标进行计数。在本文中，我们提出使用多个专用于特定外观的CNN来预测目标数量，并根据测试图像的外观自适应地选择这些CNN。通过集成所选的CNN，该方法对较大的外观变化具有鲁棒性。在实验中，我们证实了与单一CNN和固定权重CNN集成方法相比，所提方法能以更低的计数误差对人群进行计数。此外，我们证实了每个预测器均自动专用于特定外观。
引用
@article{arxiv.1703.09393,
title = {Mixture of Counting CNNs: Adaptive Integration of CNNs Specialized to Specific Appearance for Crowd Counting},
author = {Shohei Kumagai and Kazuhiro Hotta and Takio Kurita},
journal= {arXiv preprint arXiv:1703.09393},
year = {2017}
}
备注
8pages, 8figures