用于人群计数卷积神经网络的自顶向下反馈
计算机视觉与模式识别
2018-07-30 v2
摘要
在密集人群中计数人数即使对人类也是一项艰巨任务。这主要由于人的外观具有很大变异性。通常人仅被视为一团团斑驳块。遮挡、姿态变化与背景杂波进一步加剧难度。在此情形下，识别一个人需要更大的空间上下文与场景语义。但当前最先进的人群计数 CNN 回归器是前馈的，且仅使用有限空间上下文来检测人。它们寻找局部人群模式以回归人群密度图，导致错误预测。因此，我们提出自顶向下反馈以纠正 CNN 的初始预测。我们的架构包含一个自底向上 CNN 以及一个独立的自顶向下 CNN 来生成反馈。自底向上网络回归人群密度图，具有两列具不同感受野的 CNN。自底向上 CNN 各层的特征被送入自顶向下网络。由此生成的反馈以乘性门控的形式作用于自底向上网络的较低层。该掩码在空间和特征层面对自底向上网络的激活进行加权，以纠正密度预测。我们在所有主要人群数据集上评估模型性能，并展示自顶向下反馈的有效性。
引用
@article{arxiv.1807.08881,
title = {Top-Down Feedback for Crowd Counting Convolutional Neural Network},
author = {Deepak Babu Sam and R. Venkatesh Babu},
journal= {arXiv preprint arXiv:1807.08881},
year = {2018}
}
备注
AAAI 2018