面向人群计数的相关区域预测
计算机视觉与模式识别
2020-05-21 v1
摘要
人群计数是计算机视觉中备受关注且具挑战性的任务。现有基于密度图的方法过度关注个体定位，损害了高度拥挤场景中的人群计数性能。此外，不同密度区域间的依赖关系也被忽视。本文提出用于人群计数的相关区域预测（RRP），其由计数图与区域关系感知模块（RRAM）组成。计数图中每个像素表示输入图像中对应局部区域内落入的头部数量，从而丢弃详细空间信息并迫使网络更关注计数而非个体定位。基于图卷积网络（GCN），提出区域关系感知模块以捕获并利用重要的区域依赖。该模块在不同密度区域间构建全连接有向图，其中每个节点（区域）由加权全局池化特征表示，并学习 GCN 将该区域图映射为一组关系感知的区域表示。在三个数据集上的实验结果表明，我们的方法明显优于其他现有最优方法。
引用
@article{arxiv.2005.09816,
title = {Relevant Region Prediction for Crowd Counting},
author = {Xinya Chen and Yanrui Bin and Changxin Gao and Nong Sang and Hao Tang},
journal= {arXiv preprint arXiv:2005.09816},
year = {2020}
}
备注
accepted by Neurocomputing