变分注意力：在人群计数中传播特定领域知识用于多域学习
计算机视觉与模式识别
2021-08-19 v1
摘要
在人群计数中，由于标注费力，收集一个具有密度、场景等方面丰富多样性图像的新大规模数据集被认为难以实现。因此，为学习通用模型，使用来自多个不同数据集的数据进行训练或是一种补救且极具价值之举。本文诉诸多域联合学习，提出一种简单而有效的特定领域知识传播网络（DKPNet）以同时无偏地学习来自多个多样数据域的知识。这主要通过提出新颖的变分注意力（VA）技术显式建模不同域的注意力分布来实现。作为VA的扩展，本文提出内在变分注意力（InVA）以处理域重叠与子域问题。我们进行了大量实验，在包括ShanghaiTech A/B、UCF-QNRF和NWPU在内的若干流行数据集上验证了DKPNet的优越性。
引用
@article{arxiv.2108.08023,
title = {Variational Attention: Propagating Domain-Specific Knowledge for Multi-Domain Learning in Crowd Counting},
author = {Binghui Chen and Zhaoyi Yan and Ke Li and Pengyu Li and Biao Wang and Wangmeng Zuo and Lei Zhang},
journal= {arXiv preprint arXiv:2108.08023},
year = {2021}
}
备注
ICCV 2021