降低空间标注冗余的半监督人群计数方法

人群计数的标注工作繁重，因为需要对人群图像中的每个人进行标注。近年来，已有若干半监督人群计数方法被提出以减少标注工作量。在给定有限标注预算的情况下，这些方法通常选取少量人群图像，并对其中所有个体进行密集标注。尽管取得了令人鼓舞的结果，我们认为这种“全有或全无”的标注策略并非最优，因为每张人群图像中密集标注的个体往往外观相似，而大量未标注的人群图像可能包含完全不同的个体。为此，我们打破以往方法的标注链条，首次尝试降低半监督人群计数的空间标注冗余。首先，我们不再标注每张人群图像中的所有区域，而是仅标注具有代表性的区域。我们从垂直和水平两个方向分析区域代表性，并将其建模为高斯混合模型的聚类中心。此外，为利用丰富的未标注区域，我们通过特征传播（而非以往方法采用的易出错的标签传播）利用每张人群图像中个体间的相似性直接监督未标注区域。由此，我们可将由个体相似性引起的原始空间标注冗余转化为对未标注区域的有效监督信号。在广泛使用的数据集上的大量实验表明，我们的方法大幅优于以往最佳方法。