多流网络与真值生成方法用于人群计数
计算机视觉与模式识别
2020-03-13 v3
摘要
人群场景分析因其在法医学、城市规划、监控与安全等广泛领域的应用而近年来备受关注。在此背景下，一项具有挑战性的任务被称为人群计数，其主要目的是估计单幅图像中存在的行人数量。本文开发并评估了一种多流卷积神经网络（Multi-Stream Convolutional Neural Network），该网络以图像作为输入，并以端到端方式生成表示行人空间分布的密度图。为解决极端无约束尺度与透视变化等复杂人群计数问题，网络架构为每一流使用具有不同尺寸滤波器的感受野。此外，我们研究了两种最常见的真值生成方式的影响，并提出了一种基于微小人脸检测与尺度插值的混合方法。在 UCF-CC-50 与 ShanghaiTech 两个具有挑战性的数据集上进行的实验表明，使用我们的真值生成方法取得了更优的结果。
引用
@article{arxiv.2002.09951,
title = {Multi-Stream Networks and Ground-Truth Generation for Crowd Counting},
author = {Rodolfo Quispe and Darwin Ttito and Adín Ramírez Rivera and Helio Pedrini},
journal= {arXiv preprint arXiv:2002.09951},
year = {2020}
}
备注
https://github.com/RQuispeC/multi-stream-crowd-counting-extended , The International Journal of Electrical and Computer Engineering Systems 2020