SOFA-Net：用于人群计数的二阶与一阶注意力网络
计算机视觉与模式识别
2020-08-11 v1
摘要
由于智慧城市中的广泛应用，近年来从图像/视频中自动计数人群受到了更多关注。但密集人群头部的建模具有挑战性，且现有大多数工作的可靠性下降。为获得合适的人群表示，本文提出SOFA-Net（二阶与一阶注意力网络，Second-Order and First-order Attention Network）：提取二阶统计量以保留密集头部通道空间信息的选择性，同时使用可增强头部区域特征判别性的一阶统计量作为补充信息。通过多流架构，所提二阶/一阶统计量被学习并转化为注意力以实现鲁棒的表示精炼。我们在四个公开数据集上评估了该方法，其在大多数数据集上达到了最先进的性能。我们还进行了大量实验以研究SOFA-Net中的各组件，结果表明二阶/一阶统计量在挑战性场景下建模人群具有高能力。据我们所知，我们是首个探索二阶/一阶统计量用于人群计数的工作。
引用
@article{arxiv.2008.03723,
title = {SOFA-Net: Second-Order and First-order Attention Network for Crowd Counting},
author = {Haoran Duan and Shidong Wang and Yu Guan},
journal= {arXiv preprint arXiv:2008.03723},
year = {2020}
}
备注
Accepted by BMVC 2020