面向人群计数的超分辨率信息增强
计算机视觉与模式识别
2023-03-14 v1
摘要
由于严重的遮挡、尺度与密度变化，人群计数是一项具有挑战性的任务。现有方法有效应对这些挑战，却忽略了低分辨率（LR）情形。LR 情形因两个关键原因严重削弱计数性能：1）细节信息有限；2）重叠头部区域在密度图中累积并导致极端的真值。一种直观方案是对输入 LR 图像采用超分辨率（SR）预处理。然而，它使推理步骤复杂化，从而在需要实时时限制应用潜力。我们提出一种更优雅的方法，称为多尺度超分辨率模块（MSSRM）。它引导网络估计丢失的细节并增强特征空间中的细节信息。值得注意的是，MSSRM 即插即用，且以零推理成本解决 LR 问题。由于所提方法需要 SR 标签，我们进一步提出超分辨率人群计数数据集（SR-Crowd）。在三个数据集上的大量实验证明了我们方法的优越性。代码将发布于 https://github.com/PRIS-CV/MSSRM.git。
引用
@article{arxiv.2303.06925,
title = {Super-Resolution Information Enhancement For Crowd Counting},
author = {Jiahao Xie and Wei Xu and Dingkang Liang and Zhanyu Ma and Kongming Liang and Weidong Liu and Rui Wang and Ling Jin},
journal= {arXiv preprint arXiv:2303.06925},
year = {2023}
}
备注
Accepted by ICASSP 2023. The code will be available at https://github.com/PRIS-CV/MSSRM.git