PSGCNet：一种面向遥感图像密集目标计数的金字塔尺度与全局上下文引导网络
计算机视觉与模式识别
2022-02-25 v3
摘要
目标计数旨在统计图像中目标实例的准确数量，正受到越来越多的关注。然而，大尺度变化、复杂背景干扰以及非均匀密度分布等挑战极大限制了计数精度，在遥感影像中尤为突出。为缓解上述问题，本文提出一种用于遥感图像密集目标计数的新框架，其融合了金字塔尺度模块（PSM）与全局上下文模块（GCM），称为 PSGCNet，其中 PSM 用于自适应捕获多尺度信息，GCM 用于引导模型选择由 PSM 生成的合适尺度。此外，采用由贝叶斯与计数损失（BCL）改进的可靠监督方式学习密度概率，进而计算每个标注处的计数期望。这能在一定程度上缓解非均匀密度分布。在四个遥感计数数据集上的大量实验证明了所提方法的有效性及其相对于 SOTA 的优越性。此外，在四个常用人群计数数据集上的扩展实验进一步验证了模型的泛化能力。代码见 https://github.com/gaoguangshuai/PSGCNet。
引用
@article{arxiv.2012.03597,
title = {PSGCNet: A Pyramidal Scale and Global Context Guided Network for Dense Object Counting in Remote Sensing Images},
author = {Guangshuai Gao and Qingjie Liu and Zhenghui Hu and Lu Li and Qi Wen and Yunhong Wang},
journal= {arXiv preprint arXiv:2012.03597},
year = {2022}
}
备注
Accepted by TGRS