用于半监督基于点的人群计数的点到区域损失
计算机视觉与模式识别
2025-05-29 v1
摘要
点检测已被开发用于在拥挤场景中定位行人，其方法是通过点到点（P2P）监督方案训练计数器。尽管具有出色的定位和计数性能，训练基于点的计数器在标注人力方面仍面临挑战：捕获密集人群的单个样本需要数百到数千个点进行标注。在本文中，我们将基于点的方法整合到基于伪标签的半监督计数框架中，使得仅用少量标注样本辅以大量伪标签数据即可训练计数器。然而，在实现过程中，训练遇到了问题，因为伪标签的置信度无法通过 P2P 传播到背景像素。为了应对这一挑战，我们设计了点特定激活图（PSAM），以直观地解释这种不适定训练过程中发生的现象。对 PSAM 的观察表明，未标记数据的损失过度激活了特征图，导致解码器将这些过度激活误认为行人。为了缓解这个问题，我们提出了一种点到区域（P2R）方案来替代 P2P，该方案分割出局部区域，而不是检测对应于行人的点进行监督。因此，局部区域中的像素可以与对应的伪点共享相同的置信度。在半监督计数和无监督域自适应中的实验结果突显了我们方法的优势，表明 P2R 能够解决 PSAM 中识别出的问题。代码可在 https://github.com/Elin24/P2RLoss 获取。
引用
@article{arxiv.2505.21943,
title = {Point-to-Region Loss for Semi-Supervised Point-Based Crowd Counting},
author = {Wei Lin and Chenyang Zhao and Antoni B. Chan},
journal= {arXiv preprint arXiv:2505.21943},
year = {2025}
}
备注
accepted by CVPR-2025(highlight)