面向人群计数的单域泛化
计算机视觉与模式识别
2024-04-08 v2
摘要
由于其出色的效果，密度图回归被广泛应用于基于图像的人群计数。然而，当在未见场景的数据上测试时，该方法常常遭受严重的性能退化，即所谓的“域漂移”问题。为了解决这一问题，我们在本工作中研究了用于人群计数的单域泛化（SDG）。现有的 SDG 方法主要用于图像分类和分割，由于其回归性质和标签模糊性（即模糊的像素级真实标签），很难扩展到我们的场景中。我们提出了 MPCount，一种即使对于狭窄源分布也有效的新型 SDG 方法。MPCount 为密度图回归存储了多样的密度值，并仅通过一个记忆库、一个内容误差掩码和注意力一致性损失来重构域不变特征。通过将图像划分为网格，它采用块级分类作为辅助任务以缓解标签模糊。通过在不同数据集上的广泛实验表明，在训练数据中未观察到的以狭窄源分布为特征的多样场景下，与现有最优方法相比，MPCount 显著提高了计数精度。代码可在 https://github.com/Shimmer93/MPCount 获取。
引用
@article{arxiv.2403.09124,
title = {Single Domain Generalization for Crowd Counting},
author = {Zhuoxuan Peng and S. -H. Gary Chan},
journal= {arXiv preprint arXiv:2403.09124},
year = {2024}
}
备注
Accepted by CVPR2024