RCCFormer：基于 Transformer 的鲁棒人群计数网络
计算机视觉与模式识别
2025-04-08 v1 人工智能
摘要
人群计数是计算机视觉中的关键任务，已成为人群分析和公共安全管理中的基础技术。然而，由于尺度变化和复杂背景的挑战，人群计数的准确性受到显著影响。为缓解这些问题，本文提出一种鲁棒的基于 Transformer 的人群计数网络，称为 RCCFormer，专为背景抑制和尺度感知设计。该方法包含多级特征融合模块 (MFFM)，精细地整合来自主干架构不同阶段提取的特征。它建立了一个强大的基线，能够捕获复杂且全面的特征表示，超越传统方法。此外，引入的细节嵌入注意力块 (DEAB) 通过全局自注意力和局部注意力以及可学习的方式捕获上下文信息和局部细节，以实现高效融合。这增强了模型关注前景区域的能力，同时有效缓解了背景噪声的干扰。此外，我们开发了自适应尺度感知模块 (ASAM)，其新颖的输入依赖可变卷积 (IDConv) 作为基本构建模块。该模块动态适应目标形状和尺度的变化，显著提高了网络处理大尺度变化的能力。该方法在 ShanghaiTech Part_A、Part_B、NWPU-Crowd 和 QNRF 数据集上进行有效性验证。结果表明，RCCFormer 在所有四个数据集上均实现卓越的性能，展示了最先进的成果。
关键词
引用
@article{arxiv.2504.04935,
title = {RCCFormer: A Robust Crowd Counting Network Based on Transformer},
author = {Peng Liu and Heng-Chao Li and Sen Lei and Nanqing Liu and Bin Feng and Xiao Wu},
journal= {arXiv preprint arXiv:2504.04935},
year = {2025}
}