用于人群计数的多通道深度监督
计算机视觉与模式识别
2021-03-18 v1
摘要
人群计数因其在公共安全与视频监控等方面的广泛应用，是一项值得探索的任务。许多基于 CNN 的方法被提出以提升估计精度，但存在一些固有因素影响性能，如过拟合以及由池化层导致的细节丢失。为解决这些问题，本文提出一种有效网络 MDSNet，其引入了一种称为多通道深度监督（MDS）的新监督框架。MDS 在估计模型的解码器上执行通道级监督，以帮助生成密度图。为获取不同通道的准确监督信息，MDSNet 采用称为 SupervisionNet（SN）的辅助网络，基于已有真值生成丰富的监督图。除传统密度图监督外，我们还使用 SN 将点标注转换为连续监督信息，并在 MDSNet 中执行点监督。在多个主流基准上的大量实验表明，所提 MDSNet 取得了具竞争力的结果，且 MDS 在不改变网络结构的情况下显著提升了性能。
引用
@article{arxiv.2103.09553,
title = {Multi-channel Deep Supervision for Crowd Counting},
author = {Bo Wei and Mulin Chen and Qi Wang and Xuelong Li},
journal= {arXiv preprint arXiv:2103.09553},
year = {2021}
}