人群计数中的自监督域适应
计算机视觉与模式识别
2022-06-28 v2
摘要
自训练人群计数虽是计算机视觉中的重要挑战之一，却未得到充分关注。实际上，全监督方法通常需要大量人工标注资源。为应对此挑战，本工作引入一种新方法，利用带真实标注的现有数据集在未标记数据集上产生更鲁棒的预测，即人群计数中的域适应。在网络以标注数据训练的同时，来自目标域的无标签样本也被加入训练过程。在此过程中，除并行设计的对抗训练过程外，还计算并最小化熵图。在 Shanghaitech、UCF_CC_50 和 UCF-QNRF 数据集上的实验证明了我们的方法在跨域设定下相较其他 SOTA 方法具有更泛化的提升。
引用
@article{arxiv.2206.03431,
title = {Self-supervised Domain Adaptation in Crowd Counting},
author = {Pha Nguyen and Thanh-Dat Truong and Miaoqing Huang and Yi Liang and Ngan Le and Khoa Luu},
journal= {arXiv preprint arXiv:2206.03431},
year = {2022}
}
备注
Accepted at ICIP 2022