NWPU-Crowd：一个大规模人群计数与定位基准
计算机视觉与模式识别
2020-08-05 v4
摘要
在过去十年中，由于其在人群监控、公共安全、空间设计等方面的广泛应用，人群计数与定位吸引了研究人员的广泛关注。许多卷积神经网络（CNN）被设计用于解决该任务。然而，目前已发布的数据集规模过小，无法满足基于监督CNN算法的需求。为弥补这一问题，我们构建了一个大规模拥挤人群计数与定位数据集NWPU-Crowd，包含5,109张图像，共计2,133,375个以点和框标注的头部。与其他真实世界数据集相比，它包含多种光照场景，并具有最大的密度范围（0~20,033）。此外，我们开发了一个基准网站用于公正评估不同方法，允许研究人员提交测试集结果。基于所提数据集，我们进一步描述了数据特征，评估了一些主流最先进（SOTA）方法的性能，并分析了新数据上出现的新问题。此外，该基准部署于\url{https://www.crowdbenchmark.com/}，数据集/代码/模型/结果可在\url{https://gjy3035.github.io/NWPU-Crowd-Sample-Code/}获取。
引用
@article{arxiv.2001.03360,
title = {NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting and Localization},
author = {Qi Wang and Junyu Gao and Wei Lin and Xuelong Li},
journal= {arXiv preprint arXiv:2001.03360},
year = {2020}
}
备注
Accepted by T-PAMI