MTCNET：用于人群计数估计的多任务学习范式
机器学习
2025-04-16 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
我们提出了一种基于多任务学习（MTL）范式的深度神经网络架构，称为MTCNet（多任务人群网络），用于人群密度和计数估计。由于非均匀的尺度变化和单张图像的任意视角，人群计数估计具有挑战性。所提出的模型具有两个相关任务，以人群密度估计为主任务，以人群计数分组分类为辅助任务。辅助任务有助于捕获相关的尺度相关信息，以提升主任务的性能。主任务模型包含两个模块：用于特征提取的VGG-16前端和用于密度图生成的扩张卷积神经网络。辅助任务模型与主任务共享相同的前端，后接一个CNN分类器。我们提出的网络在ShanghaiTech数据集上，未使用任何数据增强的情况下，平均绝对误差（MAE）比最先进方法分别降低了5.8%和14.9%。我们的模型在UCF_CC_50数据集上也以低10.5%的MAE胜出。
引用
@article{arxiv.1908.08652,
title = {MTCNET: Multi-task Learning Paradigm for Crowd Count Estimation},
author = {Abhay Kumar and Nishant Jain and Suraj Tripathi and Chirag Singh and Kamal Krishna},
journal= {arXiv preprint arXiv:1908.08652},
year = {2025}
}
备注
5 pages, 3 figures, Accepted in IEEE AVSS 2019