虚拟分类：调制域特定知识用于多域人群计数
计算机视觉与模式识别
2024-02-07 v1
摘要
多域人群计数旨在为多个不同数据集学习一个通用模型。然而，深度网络更倾向于对主导域的分布进行建模，而不是所有域，这被称为域偏差。在本研究中，我们提出了一个简单而有效的调制域特定知识网络（MDKNet）来处理多域人群计数中的域偏差问题。MDKNet通过采用“调制”的思想来实现，使深度网络能够平衡和建模不同数据集的分布，且偏差很小。具体来说，我们提出了一个实例特定批归一化（IsBN）模块，它作为一个基础调制器来细化信息流，使其适应域分布。为了精确调制域特定信息，随后引入了域引导虚拟分类器（DVC）来学习一个域可分离的潜在空间。该空间被用作IsBN调制器的输入指导，从而可以很好地处理多个数据集的混合分布。在流行基准（包括Shanghai-tech A/B、QNRF和NWPU）上进行的大量实验验证了MDKNet在处理多域人群计数方面的优越性以及多域学习的有效性。代码可在https://github.com/csguomy/MDKNet获取。
引用
@article{arxiv.2402.03758,
title = {Virtual Classification: Modulating Domain-Specific Knowledge for Multidomain Crowd Counting},
author = {Mingyue Guo and Binghui Chen and Zhaoyi Yan and Yaowei Wang and Qixiang Ye},
journal= {arXiv preprint arXiv:2402.03758},
year = {2024}
}
备注
Multidomain learning; Domain-guided virtual classifier; Instance-specific batch normalization