用于单图像人群计数的多尺度卷积神经网络
计算机视觉与模式识别
2017-02-09 v1
摘要
由于尺度变化，静态图像中的人群计数是一个具有挑战性的问题。近来深度神经网络已被证明在该任务中有效。然而，现有的基于神经网络的方法常使用多列或多网络模型来提取尺度相关特征，这在优化上更复杂且造成计算浪费。为此，我们提出一种新颖的用于单图像人群计数的多尺度卷积神经网络 (MSCNN)。基于多尺度块，该网络能够在单列架构中生成尺度相关特征以获得更高的人群计数性能，这在实用应用中兼具准确性和成本效益。补充结果表明，我们的方法在准确性和鲁棒性上均优于当前最先进的方法，且参数数量远少。
引用
@article{arxiv.1702.02359,
title = {Multi-scale Convolutional Neural Networks for Crowd Counting},
author = {Lingke Zeng and Xiangmin Xu and Bolun Cai and Suo Qiu and Tong Zhang},
journal= {arXiv preprint arXiv:1702.02359},
year = {2017}
}