重新思考人群计数中的全局上下文
计算机视觉与模式识别
2024-03-27 v2
摘要
本文研究全局上下文在人群计数中的作用。具体而言，使用纯 Transformer 从重叠图像块中提取具全局信息的特征。受分类启发，我们向输入序列添加一个上下文令牌（token），以在整个 Transformer 层中促进其与对应图像块的令牌之间的信息交换。由于 Transformer 未显式建模久经考验的通道间交互，我们提出令牌注意力模块（TAM），通过由上下文令牌告知的通道注意力来重标定编码特征。此外，采用回归令牌模块（RTM）通过该模块预测图像中的总人数。在包括 ShanghaiTech、UCF-QNRF、JHU-CROWD++ 和 NWPU 在内的多个数据集上的大量实验表明，所提出的上下文提取技术能显著改善相对于基线的性能。
引用
@article{arxiv.2105.10926,
title = {Rethinking Global Context in Crowd Counting},
author = {Guolei Sun and Yun Liu and Thomas Probst and Danda Pani Paudel and Nikola Popovic and Luc Van Gool},
journal= {arXiv preprint arXiv:2105.10926},
year = {2024}
}
备注
Accepted by Machine Intelligence Research (MIR)