权衡计数：基于强化学习的序列人群计数
计算机视觉与模式识别
2020-07-17 v1
摘要
我们将计数表述为序列决策问题，并提出了一种可通过深度强化学习求解的新颖人群计数模型。与直接输出计数值的现有计数模型不同，我们将单步估计划分为一系列更简单且更易处理的子决策问题。这种序列决策性质恰好对应于现实中秤重物的物理过程。受秤重物启发，我们提出一种称为 LibraNet 的新颖‘计数秤’，其中计数值被类比为重量。通过将人群图像虚拟置于秤的一侧，LibraNet（智能体）序列地学习在另一侧放置适当砝码以匹配人群计数。在每一步，LibraNet 根据当前人群图像特征与秤盘上已放置的砝码（状态）从砝码盒（预定义动作池）中选择一个砝码（动作）。LibraNet 需要根据指针（Q 值）的反馈学习平衡秤。我们通过可视化 LibraNet 选择动作的决策过程表明，LibraNet 确切地实现了秤重物。大量实验证明了我们设计选择的有效性，并在若干人群计数基准上报告了最先进的结果。我们还展示了 LibraNet 良好的跨数据集泛化能力。代码与模型已发布于：https://git.io/libranet
引用
@article{arxiv.2007.08260,
title = {Weighing Counts: Sequential Crowd Counting by Reinforcement Learning},
author = {Liang Liu and Hao Lu and Hongwei Zou and Haipeng Xiong and Zhiguo Cao and Chunhua Shen},
journal= {arXiv preprint arXiv:2007.08260},
year = {2020}
}
备注
Accepted to Proc. Eur. Conf. Computer Vision (ECCV) 2020