通过密度代理的半监督人群计数方法
计算机视觉与模式识别
2022-09-08 v1
摘要
本文中，我们提出一种新的由代理引导的半监督计数方法。首先，我们构建一个可学习的辅助结构，即密度代理（density agency），使被识别的前景区域特征接近相应的密度子类（代理）并远离背景子类。其次，我们提出一种密度引导对比学习损失以巩固骨干特征提取器。第三，我们利用transformer结构构建回归头以进一步精炼前景特征。最后，提供一种高效的噪声抑制损失以最小化标注噪声的负面影响。在四个具有挑战性的人群计数数据集上的大量实验表明，我们的方法以较大优势取得了优于最先进半监督计数方法的性能。代码已公开。
引用
@article{arxiv.2209.02955,
title = {Semi-supervised Crowd Counting via Density Agency},
author = {Hui Lin and Zhiheng Ma and Xiaopeng Hong and Yaowei Wang and Zhou Su},
journal= {arXiv preprint arXiv:2209.02955},
year = {2022}
}
备注
This is the accepted version of the Paper & Supp to appear in ACM MM 2022. Please cite the final published version. Code is available at https://github.com/LoraLinH/Semi-supervised-Crowd-Counting-via-Density-Agency