PaDNet：全景密度人群计数
计算机视觉与模式识别
2020-01-10 v3
摘要
在不同密度场景或同一场景不同密度区域中计数人群的问题被称为全景密度人群计数，极具挑战性。先前的方法针对单一密度场景设计，或未能充分利用全景密度信息。我们提出一种新颖框架——全景密度网络（PaDNet）用于全景密度人群计数。为有效捕获全景密度信息，PaDNet 具有一个新颖模块——密度感知网络（DAN），其包含多个在不同密度场景下预训练的子网络。此外，提出名为特征增强层（FEL）的模块以聚合 DAN 学习的特征图。它为每个特征图学习一个增强率或权重以提升这些特征图。进一步，我们提出两个精细化指标——块 MAE（PMAE）与块 RMSE（PRMSE），以更好地评估模型在全景密度场景上的性能。在四个主流人群计数基准数据集上的大量实验表明，PaDNet 在全景密度人群计数中取得了最先进的识别性能与高鲁棒性。
引用
@article{arxiv.1811.02805,
title = {PaDNet: Pan-Density Crowd Counting},
author = {Yukun Tian and Yiming Lei and Junping Zhang and James Z. Wang},
journal= {arXiv preprint arXiv:1811.02805},
year = {2020}
}