面向人群计数的场景自适应注意力网络
计算机视觉与模式识别
2022-01-03 v1
摘要
近年来，人群计数研究取得了显著进展。然而，由于人群中存在的尺度变化挑战与复杂场景，无论是传统卷积网络还是近期具有固定尺寸注意力的Transformer架构，都难以很好地处理该任务。为解决此问题，本文提出一种称为SAANet的场景自适应注意力网络。首先，我们设计了一种内建可变形注意力的Transformer骨干网络，其通过可变形采样位置与动态注意力权重学习自适应特征表示。进而，我们进一步提出多级特征融合与计数注意力特征增强模块，以在全局图像上下文下强化特征表示。所学表示能够关注前景并自适应于不同尺度的人群。我们在四个具有挑战性的人群计数基准上进行了大量实验，表明我们的方法取得了最先进的性能。特别地，我们的方法目前在NWPU-Crowd基准的公开排行榜上排名第1。我们希望我们的方法能作为一个强基线以支持未来人群计数的研究。源代码将向社区发布。
引用
@article{arxiv.2112.15509,
title = {Scene-Adaptive Attention Network for Crowd Counting},
author = {Xing Wei and Yuanrui Kang and Jihao Yang and Yunfeng Qiu and Dahu Shi and Wenming Tan and Yihong Gong},
journal= {arXiv preprint arXiv:2112.15509},
year = {2022}
}