（分箱）群体智慧：一种用于人群计数的贝叶斯分层范式

用于训练人群计数深度网络的数据集在计数分布上通常呈重尾，并在计数范围内表现出不连续性。因此，约定俗成的统计度量（MSE、MAE）方差较大，且往往是跨计数范围性能的不可靠指标。为以整体方式解决这些问题，我们修订了标准人群计数流程各阶段的过程。为实现有原则且均衡的小批量采样，我们提出了一种新颖的平滑贝叶斯样本分层方法。我们提出了一种新颖的损失函数，可轻易嵌入现有人群计数深度网络以鼓励分层感知优化。我们在各分层级别及总体层面对标准数据集上代表性人群计数方法的性能进行了分析。我们对标准数据集上人群计数方法的性能进行了分析，并证明我们所提出的修改显著降低了误差标准差。我们的贡献代表了对人群计数方法性能的一种细致、统计均衡且细粒度的刻画。代码、预训练模型及交互式可视化可于我们的项目页 https://deepcount.iiit.ac.in/ 查看。