Multi-Level Attentive Convoluntional Neural Network for Crowd Counting
Beijing University of Technology（北京工业大学）；China Agricultural University（中国农业大学）；JD Finance America Corporation（京东金融美国公司）
近年来，人群计数越来越受到人们的关注。特别是高密度环境下的技术已经成为一个重要的研究内容，而相关的方法对于极密集人群的存在并不是最优的。在本文中，我们提出了一个多层次的注意卷积神经网络（MLAttnCNN）的人群计数。我们提取高层次的上下文信息与多个不同的尺度应用在池，并使用多层次的注意力模块，以丰富在不同的层的特征，以实现更有效的多尺度特征融合，这是能够被用来生成一个更准确的密度图与膨胀卷积和$1\times 1$卷积。在三个可用的公共数据集上的广泛实验表明，我们提出的网络实现了优于最先进的方法。
2021-05-24 cs.AI cs.CV
HAJJv2-CrowdCount: Zero-Shot Benchmark for Dense Crowd Counting
研究针对朝觐视频人群计数难题，重新审视HAJJv2数据集并给出每秒人工标注。通过该标注对三种零样本计数范式测试，发现SAM3Count总体误差最低，且在密集帧上基于点的计数器性能下降更平缓，为朝觐人群管理提供决策参考。
2026-07-09 cs.AI cs.CV
Backdoor Attacks on Crowd Counting
Huazhong University of Science and Technology（华中科技大学）；Fudan University（复旦大学）；Xidian University（西安电子科技大学）；Guangzhou Institute of Technology（广州研究院）；Dalian University of Technology（大连理工大学）；Protagolabs（Protagolabs公司）；Microsoft Research（微软研究院）；Lehigh University（里海大学）
人群计数是一种回归任务，用于估计场景图像中的人数，在视频监控、交通监控和流量控制等一系列安全关键应用中发挥着至关重要的作用。在本文中，我们研究了基于深度学习的人群计数模型对后门攻击的脆弱性，后门攻击是深度学习的一个主要安全威胁。后门攻击通过数据投毒将后门触发器植入目标模型，以便在测试时控制模型的预测。与大多数现有后门攻击开发和测试的图像分类模型不同，人群计数模型是输出多维密度图的回归模型，因此需要不同的技术来操纵。在本文中，我们提出了两个新的密度操纵后门攻击（DMBA $^{-}$和DMBA $^{+}$）攻击模型产生任意大或小的密度估计。实验结果证明了我们的DMBA攻击对五种经典人群计数模型和四种类型数据集的有效性。我们还深入分析了后门人群计数模型的独特挑战，并揭示了有效攻击的两个关键要素：1）完整和密集的触发器，2）操纵地面真值计数或密度图。我们的工作可以帮助评估人群计数模型对潜在后门攻击的脆弱性。
2022-07-12 cs.AI cs.CV
STNet: Scale Tree Network with Multi-level Auxiliator for Crowd Counting
University of Guelph（圭尔夫大学）；Memorial University of Newfoundland（纽芬兰纪念大学）；Southwest University（西南大学）；Dalian Maritime University（大连海事大学）
人群计数仍然是一个具有挑战性的任务，因为存在剧烈的规模变化，密度不一致，和复杂的背景可以严重降低计数的准确性。为了解决准确性下降的根深蒂固的问题，我们提出了一种新颖而强大的网络，称为规模树网络（STNet），用于准确的人群计数。STNet由两个关键组件组成：比例树多样性增强器和半监督多级分类器。具体地，多样性增强器被设计为丰富尺度多样性，其消除了由尺度水平不足引起的现有方法的局限性。采用一种新的树结构对人群区域进行由粗到细的层次化分析。此外，一个简单而有效的多层次分析仪，以帮助利用在多个层次的可概括的共享特性，允许更准确的像素明智的背景认知。整个STNet以端到端的方式进行训练，无需手动调整主任务和辅助任务之间的损失权重。在四个具有挑战性的人群数据集上的实验证明了该方法的优越性。
2020-12-18 cs.AI cs.CV
Crowd Density Estimation using Imperfect Labels
Qatar Mobility Innovations Center (QMIC)（卡塔尔移动创新中心）；Qatar University（卡塔尔大学）
本文研究不完美标签对人群计数的影响，提出用深度学习标注器自动生成噪声和缺失标签来训练目标模型，并在两个模型和两个基准数据集上验证了该方法能达到接近完美标签训练的准确性，证明人群计数模型对标注错误具有鲁棒性。
2023-08-02 cs.AI cs.CV
Revisiting Crowd Counting: State-of-the-art, Trends, and Future Perspectives
Qatar Mobility Innovations Center（卡塔尔移动创新中心）；Qatar University（卡塔尔大学）
人群计数是公共场所情景感知的有效工具。使用图像和视频的自动人群计数是一个有趣但具有挑战性的问题，在计算机视觉中得到了极大的关注。在过去的几年里，各种深度学习方法已经被开发出来，以实现最先进的性能。随着时间的推移演变的方法在许多方面，如模型架构，输入管道，学习范式，计算复杂性，精度增益等不同。在本文中，我们提出了一个系统和全面的审查人群计数领域的最重要的贡献。虽然很少有关于这个主题的调查，但我们的调查是最新的，在几个方面有所不同。首先，它通过模型架构、学习方法（即，损失函数），以及评估方法（即，评价指标）。我们选择了突出和独特的作品，并排除了类似的作品。我们还根据它们在基准数据集上的性能对众所周知的人群计数模型进行了排序。我们相信，这项调查可以为新手研究人员提供一个很好的资源，以了解随着时间的推移和当前的最先进的进步发展和贡献。
2022-09-14 cs.AI cs.CV
Encoder-Decoder Based Convolutional Neural Networks with Multi-Scale-Aware Modules for Crowd Counting
Graduate School of Information Science and Technology Osaka University（大阪大学信息科学与技术研究生院）；Institute of Scientific and Industrial Research Osaka University（大阪大学科学与工业研究所）；Department of Computer Engineering Faculty of Engineering Chulalongkorn University（朱拉隆功大学工程学院计算机工程系）
在本文中，我们提出了两个修改后的神经网络的基础上，双路径多尺度融合网络（SFANet）和SegNet的准确和有效的人群计数。第一个模型是受SFANet的启发，附加了空间金字塔池（ASPP）和上下文感知模块（CAN）的M-SFANet模型。M-SFANet的编码器通过ASPP增强，ASPP包含具有不同采样率的并行atrous卷积层，因此能够提取目标对象的多尺度特征并结合更大的上下文。为了进一步处理整个输入图像的尺度变化，我们利用CAN模块，该模块自适应地编码上下文信息的尺度。结合产生一个有效的模型，在密集和稀疏的人群场景计数。基于SFANet解码器结构，M-SFANet的解码器具有用于密度图和注意力图生成的双路径。第二个模型被称为M-SegNet，它是通过用SegNet中使用的最大解池来替换SFANet中的双线性上采样而产生的。这一变化提供了一个更快的模式，同时提供竞争力的计数性能。M-SegNet专为高速监控应用而设计，没有额外的多尺度感知模块，以免增加复杂性。这两种模型都是基于编码器-解码器的架构，并且是端到端可训练的。我们对五个人群计数数据集和一个车辆计数数据集进行了广泛的实验，以表明这些修改产生的算法可以改进最先进的人群计数方法。代码可在https://github.com/Pongpisit-Thanasutives/Variations-of-SFANet-for-Cro…
2020-11-25 cs.AI cs.CV
Leveraging Self-Supervision for Cross-Domain Crowd Counting
École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
在拥挤场景中计算人数的最先进方法依赖于深度网络来估计人群密度。虽然有效，但这些数据驱动的方法依赖于大量的数据注释来实现良好的性能，这阻止了这些模型在紧急情况下的部署，在紧急情况下，数据注释要么成本太高，要么无法足够快地获得。一种流行的解决方案是使用合成数据进行训练。不幸的是，由于域转移，所得到的模型在真实图像上的泛化能力很差。我们通过使用合成图像及其相关标签和未标记的真实图像进行训练来弥补这一缺点。为此，我们迫使我们的网络通过训练它从常规图像中识别颠倒的真实图像来学习透视感知特征，并将预测自身不确定性的能力纳入其中，以便它可以生成有用的伪标签用于微调目的。这产生了一种算法，该算法的性能始终优于最先进的跨域人群计数算法，而无需在推理时进行任何额外的计算。
2021-03-30 cs.AI cs.CV
Forget Less, Count Better: A Domain-Incremental Self-Distillation Learning Benchmark for Lifelong Crowd Counting
Fudan University（复旦大学）；Xiamen University（厦门大学）；The Pennsylvania State University（宾夕法尼亚州立大学）；Chinese Academy of Sciences（中国科学院）
人群计数在公共安全和流行病控制方面具有重要应用。一个强大而实用的人群计数系统必须能够在现实世界的场景中不断学习新的输入域数据，而不是只适合一个域。现成的方法在处理多个域时有一些缺点：（1）模型将实现有限的性能由于各领域固有数据分布的差异，在新领域训练图像后，旧领域之间的遗忘（甚至急剧下降）被称为灾难性遗忘;（2）由于领域转移，在特定领域中训练良好的模型在其他未知领域中表现不佳;以及（3）它导致线性增加的存储开销，或者混合所有数据用于训练，或者在新模型可用时简单地为不同领域训练数十个单独的模型。为了克服这些问题，我们研究了一种新的人群计数任务，在增量域培训设置称为终身人群计数。其目标是通过增量域更新单个模型来减轻灾难性遗忘，提高泛化能力。具体来说，我们提出了一个自蒸馏学习框架作为终身人群计数的基准（Forget Less，Count Better或FLCB），这有助于模型可持续地利用以前有意义的知识来更好地进行人群计数，以减轻新数据到达时的遗忘。此外，一个新的量化指标，归一化后向迁移（nBwT），被开发来评估在终身学习过程中的模型的遗忘程度。大量的实验结果表明，我们提出的基准在实现低的灾难性遗忘程度和强大的泛化能力的优越性。
2023-01-29 cs.AI cs.CV
Spatial Uncertainty-Aware Semi-Supervised Crowd Counting
University of Liverpool（利物浦大学）；Cixi Institute of Biomedical Engineering, Chinese Academy of Sciences（中国科学院慈溪生物医学工程研究所）；Remark AI UK Limited（Remark AI英国有限公司）；China Science IntelliCloud Technology Co., Ltd（中科智云科技有限公司）
用于人群计数的半监督方法引起了人们的注意，因为全监督范式由于其对密集人群场景的大量图像及其注释的要求而昂贵且费力。针对人群计数问题，提出了一种基于正则化代理任务（二进制分割）的空间不确定性感知半监督方法。与现有的基于半监督学习的人群计数方法不同，为了利用未标记数据，我们提出的空间不确定性感知的师生框架侧重于高置信区域的信息，同时以端到端的方式解决来自未标记数据的噪声监督。具体来说，我们估计的空间不确定性地图从教师模型的代理任务，以指导主任务（密度回归）和学生模型的代理任务的特征学习在同一时间。此外，我们引入了一个简单而有效的差分转换层，以加强学生模型中主任务和代理任务之间固有的空间一致性正则化，这有助于代理任务产生更可靠的预测并生成高质量的不确定性地图。因此，我们的模型也可以解决任务级扰动的问题，发生在学生模型中的主要任务和代理任务之间的空间不一致。在四个具有挑战性的人群计数数据集上的实验结果表明，我们的方法比最先进的半监督方法具有更好的性能。
2021-08-02 cs.AI cs.CV
CCCNet: An Attention Based Deep Learning Framework for Categorized Crowd Counting
Bangladesh University of Engineering and Technology（孟加拉国工程技术大学）
近年来，对图像中的人数进行计数的人群计数问题得到了广泛的研究。在本文中，我们介绍了一个新的变种的人群计数问题，即“分类人群计数”，计算的人数坐在和站在一个给定的图像。分类人群计数有许多实际应用，如人群监控，客户服务和资源管理。分类人群计数的主要挑战来自高遮挡、透视失真以及坐着和站着的人的看似相同的上身姿势。现有的基于密度图的方法可以很好地近似一个大的人群，但失去了重要的本地信息分类所需的。另一方面，传统的基于检测的方法在遮挡环境中表现不佳，特别是当人群规模变得更大时。因此，为了解决分类的人群计数问题，我们开发了一种新的基于注意力的深度学习框架来解决上述限制。特别地，我们的方法分三个阶段工作：i）我们首先生成基于基本检测的坐着和站立密度图以捕获局部信息; ii）然后，我们生成基于人群计数的密度图作为全局计数特征; iii）最后，我们有一个跨分支分离细化阶段，该阶段使用注意力机制将人群密度图分成最终的坐着和站立密度图。大量的实验表明，我们的方法在解决分类人群计数问题的有效性。
2019-12-12 cs.CV
BBA-net: A bi-branch attention network for crowd counting
National Engineering Laboratory for Video Technology, Peking University（北京大学视频技术国家工程实验室）；Key Lab of Petroleum Data Mining, China University of Petroleum (Beijing)（中国石油大学（北京）石油数据挖掘重点实验室）
在人群计数领域，目前主流的基于CNN的回归方法只是简单地提取行人的密度信息，而没有找到每个人的位置。这使得网络的输出经常被发现包含不正确的响应，这可能会错误地估计总数，并且不利于算法的解释。为此，我们提出了一个双分支注意力网络（BBA-NET）的人群计数，它有三个创新点。i）使用两分支架构来分别估计密度信息和位置信息。ii）使用注意力机制来促进特征提取，这可以减少错误响应。（3）提出了一种结合几何自适应和Voronoi分裂的密度图生成方法。我们的方法可以整合行人的头部和身体信息，以增强密度图的特征表达能力。在两个公共数据集上进行的大量实验表明，与其他最先进的方法相比，我们的方法实现了更低的人群计数误差。
2022-01-22 cs.AI cs.CV
Scene Invariant Crowd Segmentation and Counting Using Scale-Normalized Histogram of Moving Gradients (HoMG)
Aimetis Corp.（艾梅蒂斯公司）；University of Waterloo（滑铁卢大学）
自动人群分割和计数的问题在视频监控领域引起了极大的兴趣。本文提出了一种新的场景不变的人群分割和计数算法，设计精度高，但低计算复杂性的想法，这是广泛的工业采用的关键。一种新的低复杂度，规模归一化的功能称为直方图的移动干扰（HoMG）被引入到一个视频中的个人和人群的高效时空表示。该方法通过基于滑动窗口HoMG特征的弱分类器级联实现实时人群分割，同时采用人群区域HoMG特征的线性SVM回归实现实时人群计数。使用多摄像机人群数据集的实验结果表明，该算法显着优于国家的最先进的人群计数算法，以及实现非常有前途的人群分割结果，从而证明了该方法的高精度，实时视频驱动的人群分析的有效性。
2016-02-01 cs.CV
PCC Net: Perspective Crowd Counting via Spatial Convolutional Network
Northwestern Polytechnical University（西北工业大学）
由于高外观相似性、视角变化和严重拥塞，从单个图像进行人群计数是一项具有挑战性的任务。许多方法只关注局部外观特征，无法应对上述挑战。为了解决这一问题，本文提出了一种视角人群计数网络（PCC Net），该网络由三部分组成：1）密度图估计（DME），主要学习图像中非常局部的特征，用于密度图估计; 2）随机高层密度分类（R-HDC），提取图像中随机块的全局特征，用于预测图像中随机块的粗略密度标签; 3）前/背景分割（FBS）编码中间层特征以分割前景和背景。此外，在PCC Net中嵌入DULR模块，对四个方向（下、上、左、右）的视角变化进行编码。在五个主流数据集上对所提出的PCC网络进行了验证，其中一个数据集达到了最先进的性能，在其他四个数据集上也达到了竞争性的结果。源代码可在https://github.com/gjy3035/PCC-Net上获得。
2019-05-24 cs.AI cs.CV
Locality-constrained Spatial Transformer Network for Video Crowd Counting
Fudan University（复旦大学）；ShanghaiTech University（上海科技大学）
与基于单幅图像的人群计数相比，视频提供了人群的时空信息，这有助于提高人群计数的鲁棒性。但人的平移、旋转和缩放会导致相邻帧之间的头部密度图发生变化。同时，在动态场景中，人的进出或被遮挡会导致人头数的变化。为了缓解视频人群计数中的这些问题，提出了一种局部约束空间Transformer网络（LPENS）。具体来说，我们首先利用卷积神经网络来估计每帧的密度图。然后，相邻帧之间的密度图的关系，局部约束空间Transformer（LST）模块被引入到下一帧的密度图估计与当前帧。为了便于性能评估，收集了一个大规模的视频人群计数数据集，该数据集包含从13个不同场景捕获的15K帧，其中约394K个带注释的头部。据我们所知，它是最大的视频人群计数数据集。在我们的数据集和其他人群计数数据集上进行的大量实验验证了我们的人群计数的有效性。
2019-07-18 cs.CV
Mixture of Counting CNNs: Adaptive Integration of CNNs Specialized to Specific Appearance for Crowd Counting
Meijo University（名城大学）；Hiroshima University（广岛大学）
本文提出了一种人群计数方法。由于目标的密度和尺度变化导致目标的外观变化很大，给人群计数带来了困难。传统的人群计数方法通常利用一个预测器（例如，回归和多类分类器）。然而，这样的只有一个预测器不能很好地计数具有大的外观变化的目标。在本文中，我们建议使用多个专门针对特定外观的CNN来预测目标的数量，并且根据测试图像的外观自适应地选择这些CNN。通过集成所选择的CNN，所提出的方法具有大的外观变化的鲁棒性。在实验中，我们证实，所提出的方法可以计数人群，比CNN和具有固定权重的CNN的集成具有更低的计数误差。此外，我们确认，每个预测自动专门为一个特定的外观。
2017-03-28 cs.CV
Reinforcing Local Feature Representation for Weakly-Supervised Dense Crowd Counting
由于大量的注释，完全监督的人群计数是一项艰巨的任务。很少有作品专注于每周监督的人群计数，其中只有全球人群数量可用于训练。每周监督人群计数的主要挑战是缺乏当地监督信息。为了解决这个问题，我们提出了一个自适应特征相似性学习（SFSL）网络和全局-局部一致性（GLC）损失，以加强局部特征表示。我们引入了一个特征向量，它代表了无偏特征估计的人。该网络自适应地更新特征向量，并利用特征相似性对人群数量进行回归。此外，所提出的GLC损失利用了来自全球和局部区域的网络估计之间的一致性。实验结果表明，我们提出的方法基于不同的骨干缩小了弱监督和全监督密集人群计数之间的差距。
2022-02-22 cs.CV
Counting Crowds in Bad Weather
National Taiwan University（国立台湾大学）；University of California, Merced（加州大学默塞德分校）；Google Research（谷歌研究院）；Stanford University（斯坦福大学）
针对雾霾、雨、雪等恶劣天气导致人群计数性能下降的问题，本文提出联合学习有效特征与自适应天气查询的模型，避免图像恢复加计数的两阶段流程，并在多天气基准上验证了有效性。
2023-06-02 cs.AI cs.CV eess.IV
Ambient Sound Helps: Audiovisual Crowd Counting in Extreme Conditions
Baidu Research（百度研究院）；German Aerospace Center（德国航空航天中心）；City University of Hong Kong（香港城市大学）；Northwestern Polytechnical University（西北工业大学）；Technical University of Munich（慕尼黑工业大学）
视觉人群计数最近已经被研究作为一种方式，使人们在人群场景中从图像计数。尽管成功，但基于视觉的人群计数方法可能无法在极端条件下捕获信息特征，例如，夜间成像和遮挡。在这项工作中，我们介绍了一个新的任务，视听人群计数，其中视觉和听觉信息集成计数的目的。我们收集了一个大规模的基准测试，名为audiovISual Crowd cOunting（DISCO）数据集，由1，935个图像和相应的音频片段以及170，270个注释实例组成。为了融合这两种模式，我们利用线性特征融合模块，该模块对视觉和听觉特征进行仿射变换。最后，我们使用所提出的数据集和方法进行了广泛的实验。实验结果表明，在不同的光照、噪声和遮挡条件下，引入听觉信息有利于人群计数。将发布数据集和代码。代码和数据已提供
2020-05-16 cs.CV
Using Depth for Pixel-Wise Detection of Adversarial Attacks in Crowd Counting
École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）
在拥挤场景中计算人数的最先进方法依赖于深度网络来估计人群密度。虽然有效，但深度学习方法容易受到对抗攻击的攻击，这在人群计数环境中可能导致严重的安全问题。然而，攻击和防御机制在回归任务中几乎没有被探索过，更不用说人群密度估计了。在本文中，我们研究了现有的攻击策略对人群计数网络的有效性，并介绍了一个简单而有效的像素检测机制。它建立在这样的直觉上：当攻击一个多任务网络时，在我们的情况下估计人群密度和场景深度，两个输出都会受到干扰，因此第二个输出可以用于检测目的。我们将证明，这显着优于启发式和基于不确定性的策略。
2020-03-18 cs.CV
Leveraging Unlabeled Data for Crowd Counting by Learning to Rank
Computer Vision Center（计算机视觉中心）；MICC, University of Florence（佛罗伦萨大学MICC）
我们提出了一种新颖的人群计数方法，该方法在学习排名框架中利用大量可用的未标记人群图像。为了诱导裁剪图像的排名，我们使用这样的观察，即拥挤场景图像的任何子图像都保证包含与超级图像相同数量或更少的人。这使我们能够解决现有人群计数数据集大小有限的问题。我们收集两个人群场景数据集从谷歌使用关键字搜索和查询的例子图像检索，分别。我们展示了如何通过将学习排名纳入多任务网络来有效地从这些未标记的数据集中学习，该网络同时对图像进行排名并估计人群密度图。在两个最具挑战性的人群计数数据集上的实验表明，我们的方法获得了最先进的结果。
2018-03-08 cs.CV
ResnetCrowd: A Residual Deep Learning Architecture for Crowd Counting, Violent Behaviour Detection and Crowd Density Level Classification
Insight Centre for Data Analytics（数据洞察中心）；Dublin City University（都柏林城市大学）
在本文中，我们提出了ResnetCrowd，这是一种用于同时进行人群计数、暴力行为检测和人群密度水平分类的深度残差架构。为了训练和评估所提出的多目标技术，构建了一个新的100个图像数据集，称为多任务群。这个新的数据集是第一个完全注释了人群计数、暴力行为检测和密度水平分类的计算机视觉数据集。我们的实验表明，多任务方法提高了所有任务的个人任务性能，最明显的是暴力行为检测，其ROC曲线AUC（曲线下面积）提高了9%。经过训练的ResnetCrowd模型还在几个额外的基准上进行了评估，突出了针对多个目标训练的人群分析模型的卓越概括性。
2017-05-30 cs.CV
Counting Like Human: Anthropoid Crowd Counting on Modeling the Similarity of Objects
Northwestern Polytechnical University（西北工业大学）
主流的人群计数方法是对密度图进行回归和积分得到计数结果。由于对同一个头部的密度表示符合其邻近分布，它嵌入了具有不同值的同类对象，而人类计数模型的不变特征，即与对象的相似性。受此启发，我们提出了一个合理的和灵活的人群计数框架。首先，我们利用计数标量作为监督信号，为类似事件提供全局和隐含的指导。然后，利用大核CNN来模仿人类的范例，首先对不变知识进行建模，然后进行滑动来比较相似性。之后，对预训练的类间相似性参数进行重新参数化，以满足相似性比较时的类内方差。最后，随机缩放补丁收益率（RSY）的建议，以促进长距离依赖的相似性建模。在人群计数的五个具有挑战性的基准上进行的大量实验表明，所提出的框架达到了最先进的水平。
2022-12-02 cs.CV
Adaptive Scenario Discovery for Crowd Counting
East China Normal University（华东师范大学）；Shanghai Advanced Research Institute, CAS（中国科学院上海高等研究院）；Videt Tech.（Videt科技公司）
人群计数，即，人群图像中行人数量的估计，是随着公共安全应用而出现的一个重要研究问题。人群计数系统的一个关键组成部分是计数模型的构建，这些模型对诸如相机视角和物理障碍物等事实下的各种场景具有鲁棒性。在本文中，我们提出了一个用于人群计数的自适应场景发现框架。该系统由两条平行的路径构成，这两条路径用不同大小的感受野进行训练，以代表不同的规模和人群密度。在确保这些组件存在于适当的几何配置，第三个分支的设计，以自适应地重新校准的路径方面的响应，通过发现和建模的动态场景隐式。我们的系统能够代表高度可变的人群图像，并在两个具有挑战性的基准测试中取得了最先进的结果。
2019-02-09 cs.CV
Fine-grained Domain Adaptive Crowd Counting via Point-derived Segmentation
South China University of Technology（华南理工大学）；University of Amsterdam（阿姆斯特丹大学）；Hong Kong University of Science and Technology（香港科技大学）；Singapore Management University（新加坡管理大学）
针对域偏移导致人群计数模型性能下降的问题，提出从点级标注学习人群分割，分离人群与背景，并设计包含CRT和CDA模块的细粒度域自适应方法，持续优于现有方法。
2023-03-31 cs.CV
Fast Video Crowd Counting with a Temporal Aware Network
East China Normal University（华东师范大学）；Jilian Technology Group (Video++)（极链科技集团（Video++））；Videt Tech Ltd.（维视科技有限公司）
人群计数的目标是在拥挤的空间中计算瞬时人群的数量，并且已经提出了许多有前途的解决方案用于单图像人群计数。随着视频采集设备在公共安全领域的广泛应用，如何有效地将人群计数技术应用于视频内容成为一个亟待解决的问题。在本文中，我们介绍了一种新的框架，基于时间感知建模的视频帧之间的关系。该网络包含一些膨胀的残差块，每个残差块由计算相邻帧特征的时间卷积以提高预测的层组成。为了减少计算量，满足快速视频人群计数的需求，我们还引入了一个轻量级的网络来平衡计算成本和表示能力。我们进行实验的人群计数的基准，并证明其优越性，在有效性和效率方面比以前的基于视频的方法。
2020-02-11 cs.CV
Dense Point Prediction: A Simple Baseline for Crowd Counting and Localization
Nanyang Technological University（南洋理工大学）
在本文中，我们提出了一个简单而有效的人群计数和定位网络名为SCALNet。与大多数将计数和定位任务分开的现有作品不同，我们将这些任务视为像素密集预测问题，并将其集成到端到端框架中。具体而言，对于人群计数，我们采用了由均方误差（MSE）损失监督的计数头。对于人群定位，关键的洞察力是识别人的关键点，即，头部的中心点。我们提出了一个定位头来区分密集人群训练的两个损失函数，即，负抑制焦点（NSF）损失和假阳性（FP）损失，其平衡正/负示例并处理假阳性预测。在最近的大规模基准测试NWPU-Crowd上的实验表明，我们的方法在人群定位和计数任务上分别比最先进的方法提高了5%和10%以上。该代码可在https://github.com/WangyiNTU/SCALNet上公开获取。
2021-04-26 cs.CV
A Study of Human Gaze Behavior During Visual Crowd Counting
Stony Brook University（石溪大学）
在本文中，我们描述了我们的研究人类如何分配他们的注意力在视觉人群计数。使用眼动仪，我们收集了人类参与者的注视行为，他们的任务是计算人群图像中的人数。通过分析10位人类参与者对30张人群图像的注视行为，我们观察到一些常见的视觉计数方法。对于小人群的图像，方法是枚举人群中的所有人或人群，这解释了不同人类参与者的注视密度图之间的高相似性。对于一个大人群的图像，我们的参与者倾向于关注图像的一个部分，计算该部分的人数，然后推断其他部分。在计数准确性方面，与当前最先进的计算机算法的性能相比，我们的人类参与者在计数任务方面并不出色。有趣的是，在所有人群图像中，有一种倾向是低估人数。凝视行为数据和图像可以从https://www3.cs.stonybrook.edu/~minhhoai/projects/crowd_counting_gaze/下载。
2020-09-27 cs.CV
Crowd Counting Using Scale-Aware Attention Networks
University of Manitoba（曼尼托巴大学）
在本文中，我们考虑的问题，人群计数的图像。给定拥挤场景的图像，我们的目标是估计该图像的密度图，其中密度图中的每个像素值对应于图像中相应位置处的人群密度。给定估计的密度图，可以通过对密度图中的所有值求和来获得最终的人群计数。人群计数的一个挑战是图像中的尺度变化。在这项工作中，我们提出了一种新的规模感知注意力网络来应对这一挑战。使用最近深度学习架构中流行的注意力机制，我们的模型可以自动关注适合图像的某些全局和局部尺度。通过结合这些全局和局部规模的注意力，我们的模型在几个基准数据集上的人群计数方面优于其他最先进的方法。
2019-03-05 cs.CV
WSCF-MVCC: Weakly-supervised Calibration-free Multi-view Crowd Counting
Shenzhen University（深圳大学）
本文提出WSCF-MVCC方法，通过弱监督策略和自监督排名损失实现校准-free多视角人群计数，提升计数精度与实用性。
2025-12-02 cs.CV
CNN-based Density Estimation and Crowd Counting: A Survey
Beihang University（北京航空航天大学）；Hangzhou Innovation Institute, Beihang University（北京航空航天大学杭州创新研究院）；Northwestern Polytechnical University（西北工业大学）
准确估计单个图像中的对象数量是一项具有挑战性但有意义的任务，并已应用于许多应用中，如城市规划和公共安全。在各类对象计数任务中，人群计数因其对社会安全和发展的特殊意义而显得尤为突出。幸运的是，人群计数技术的发展可以推广到其他相关领域，如车辆计数和环境调查，如果不考虑他们的特点。因此，许多研究者都致力于人群计数，许多优秀的文学作品和作品喷涌而出。在这些工作中，他们必须有助于人群计数的发展。然而，我们应该考虑的问题是，为什么它们对这项任务有效。由于时间和精力的限制，我们不可能对所有的算法都进行分析。本文在调研了220多篇文献的基础上，对人群计数模型进行了全面系统的研究，主要是基于CNN的密度图估计方法。最后，根据评价指标，我们选择了他们的人群计数数据集上的前三名，并分析其优缺点。通过本文的分析，期望对人群计数的未来发展做出合理的推断和预测，同时也为其他领域的物体计数问题提供可行的解决方案。在NWPU数据集的验证集中，我们提供了一些主流算法的密度图和预测结果，以进行比较和测试。同时，还提供了密度图生成和评价工具。所有代码和评估结果都可在https://github.com/gaoguangshuai/survey-for-crowd-counting上公开获取。
2020-03-28 cs.CV
PaDNet: Pan-Density Crowd Counting
Fudan University（复旦大学）；The Pennsylvania State University（宾夕法尼亚州立大学）
在不同密度场景中或同一场景中不同密度区域的人群计数问题称为泛密度人群计数，具有很高的挑战性。以前的方法是针对单密度场景设计的，或者没有充分利用泛密度信息。我们提出了一个新的框架，泛密度网络（PaDNet），泛密度人群计数。为了有效地捕获泛密度信息，PaDNet有一个新的模块，密度感知网络（DAN），它包含多个在不同密度的场景中预训练的子网络。此外，一个名为功能增强层（FEL）的模块，提出了聚合的DAN学习的特征图。它学习每个特征图的增强率或权重，以增强这些特征图。此外，我们提出了两个改进的指标，补丁MAE（PMAE）和补丁RMSE（PRMSE），更好地评估泛密度场景的模型性能。在四个人群计数基准数据集上的大量实验表明，PaDNet在泛密度人群计数中实现了最先进的识别性能和高鲁棒性。
2020-01-09 cs.CV
AdaCrowd: Unlabeled Scene Adaptation for Crowd Counting
University of Manitoba（曼尼托巴大学）；Simon Fraser University（西蒙菲莎大学）；University of Waterloo（滑铁卢大学）；Huawei Technologies Canada（华为加拿大公司）
我们解决的问题，基于图像的人群计数。特别是，我们提出了一个新的问题，称为无标签的场景自适应人群计数。给定一个新的目标场景，我们希望有一个人群计数模型，专门适应这个特定的场景，基于目标数据，捕捉一些关于新场景的信息。在本文中，我们建议使用一个或多个未标记的图像从目标场景进行适应。与现有的问题设置（例如完全监督）相比，我们提出的问题设置更接近人群计数系统的实际应用。我们引入一个新的AdaCrowd框架来解决这个问题。我们的框架由一个人群计数网络和一个引导网络组成。引导网络基于来自特定场景的未标记图像来预测人群计数网络中的一些参数。这使得我们的模型能够适应不同的目标场景。在几个具有挑战性的基准数据集上的实验结果表明，与其他方法相比，我们提出的方法的有效性。代码可在https://github.com/maheshkkumar/adacrowd上获得。
2021-02-23 cs.CV
Crowd Counting on Heavily Compressed Images with Curriculum Pre-Training
Aarhus University（奥胡斯大学）
JPEG图像压缩算法是一种广泛用于边缘和云计算设置中的图像尺寸缩减的技术。然而，对深度神经网络处理的图像应用这种有损压缩可能会导致准确性显着下降。受课程学习范式的启发，我们提出了一种称为课程预训练（CPT）的训练方法，用于压缩图像上的人群计数，该方法消除了有损压缩导致的准确性下降。我们通过对三个人群计数数据集，两个人群计数DNN模型和各种压缩级别的广泛实验验证了我们方法的有效性。所提出的训练方法对超参数不太敏感，并将误差降低了19.70%，特别是对于严重压缩的图像。
2023-01-30 cs.CV
CrowdCLIP: Unsupervised Crowd Counting via Vision-Language Model
Baidu Inc.（百度公司）；Beijing University of Posts and Telecommunications（北京邮电大学）；Huazhong University of Science and Technology（华中科技大学）
提出无监督人群计数框架CrowdCLIP，利用CLIP模型的多模态排序损失和渐进式过滤策略，在五个数据集上超越现有无监督方法，跨数据集设置下甚至优于部分全监督方法。
2023-04-09 cs.CV
Cascaded Residual Density Network for Crowd Counting
University of Science and Technology of China（中国科学技术大学）；Chinese Academy of Sciences（中国科学院）
由于真实人群场景中存在尺度变化和视角变化等问题，人群计数是一项具有挑战性的任务。在本文中，我们提出了一种新的级联残差密度网络（CRDNet）在一个由粗到细的方法，以生成高质量的密度图人群计数更准确。(1)我们估计的残差密度图的多尺度金字塔功能，通过级联的残差密度模块。该方法能有效地逐层提高密度图的质量。(2)提出了一种新的附加局部计数损失来提高人群计数的准确性，该方法通过限制局部人群区域中的人数来减少像素级欧氏损失的误差。在两个公共基准数据集上的实验表明，与现有方法相比，该方法取得了有效的改进.
2021-07-29 cs.CV
Wide-Area Crowd Counting: Multi-View Fusion Networks for Counting in Large Scenes
City University of Hong Kong（香港城市大学）
单视图图像中的人群计数在现有的计数数据集上取得了出色的性能。然而，单视图计数不适用于大且宽的场景（例如，公共公园、长地铁站台或活动空间），因为单个摄像机不能以足够的细节捕获整个场景以进行计数，例如，当场景太大而不适合照相机的视场时，当场景太长以致于对于远处的人群分辨率太低时，或者当存在太多遮挡人群的大部分的大对象时。因此，为了解决广域计数任务，需要具有重叠视场的多个相机。在本文中，我们提出了一个深层神经网络框架多视图人群计数，融合信息从多个摄像机视图预测场景级密度地图的地平面上的3D世界。我们考虑三个版本的融合框架：后期融合模型融合摄像机视图密度图;天真早期融合模型融合摄像机视图特征图;多视图多尺度早期融合模型确保与同一地平面点对齐的特征具有一致的尺度。旋转选择模块进一步确保特征的一致旋转对准。我们在3个多视图计数数据集，PETS 2009，DukeMTMC和一个新收集的包含拥挤街道交叉口的多视图计数数据集上测试了我们的3个融合模型。与其他多视图计数基线相比，我们的方法实现了最先进的结果。
2022-05-02 cs.CV
Inverse Attention Guided Deep Crowd Counting Network
Johns Hopkins University（约翰斯·霍普金斯大学）
在本文中，我们解决了拥挤场景中人群计数的挑战性问题。具体来说，我们提出了反向注意力引导的深度人群计数网络（IA-DCCN），它通过反向注意力机制有效地将分割信息注入计数网络，从而实现了显著的改进。该方法基于VGG-16，是一个单步训练框架，易于实现。分割信息的使用导致最小的计算开销，并且不需要任何额外的注释。我们通过详细的分析和消融研究证明了分割引导反向注意的重要性。此外，该方法在三个具有挑战性的人群计数数据集上进行了评估，并显示出与最近的几种方法相比取得了显着的改进。
2019-07-22 cs.CV
A-CCNN: adaptive ccnn for density estimation and crowd counting
University of Technology Sydney（悉尼科技大学）；CSIRO Data61（澳大利亚联邦科学与工业研究组织数据61所）
人群计数，用于使用基于视觉的计算机技术估计人群中的人数，引起了研究界的极大兴趣。虽然已经报道了许多尝试，但现实世界的问题，例如图像中对象大小的巨大变化和人与人之间的严重遮挡，使其仍然是一个具有挑战性的问题。本文提出一种自适应计数卷积神经网络（A-CCNN），自适应地考虑帧内目标的尺度变化，以提高计数精度。我们的方法利用上下文信息提供更准确和自适应的密度图和场景中的人群计数。使用不同的基准数据集进行广泛的实验评估对象计数，并表明所提出的方法是有效的，优于国家的最先进的方法。
2018-04-20 cs.CV
Adaptive Mixture Regression Network with Local Counting Map for Crowd Counting
Beihang University（北京航空航天大学）；Shunfeng Technology (Beijing) Co., Ltd（顺丰科技（北京）有限公司）
人群计数任务旨在估计位于图像或视频帧中的人数。现有的方法广泛采用密度图作为训练目标，以优化点到点的损失。而在测试阶段，我们只关注群体数量与密度图的全局总和之间的差异，这表明训练目标与评价标准之间的不一致。为了解决这个问题，我们引入了一个新的目标，命名为本地计数图（LCM），以获得更准确的结果比基于密度图的方法。此外，我们还提出了一个自适应混合回归框架，以粗到细的方式，以进一步提高人群估计的精度三个模块：规模感知模块（SAM），混合回归模块（MRM）和自适应软区间模块（ASIM）。具体来说，SAM充分利用了来自不同卷积特征的上下文和多尺度信息; MRM和ASIM对图像的局部补丁执行更精确的计数回归。与现有方法相比，该方法在典型数据集上具有更好的性能。源代码可在https://github.com/xiyang1012/Local-Crowd-Counting上获得。
2020-05-13 cs.CV
CrowdFormer: Weakly-supervised Crowd counting with Improved Generalizability
Department of Electrical Engineering, Indian Institute of Technology Indore, India（印度理工学院印度尔分校电子工程系）
提出基于金字塔视觉变换器的弱监督人群计数方法，通过全局上下文建模实现与现有方法相当的性能并展现显著泛化性。
2022-03-07 cs.CV
Enhancing and Dissecting Crowd Counting By Synthetic Data
Peking University（北京大学）；China University of Petroleum (Beijing)（中国石油大学（北京））
在本文中，我们提出了一个模拟的人群计数数据集CrowdX，它具有大规模，准确的标记，参数化实现，高保真度。使用该数据集作为数据增强的实验结果表明，所提出的精简高效的基准网络ESA Net的性能可以提高8.4%.在CrowdX上预训练的另外两个经典异构架构MCNN和CSRNet也显示出显着的性能改进。考虑许多影响因素来确定性能，例如背景、摄像机角度、人密度和分辨率。虽然这些因素很重要，但仍然缺乏关于它们如何影响人群计数的研究。由于CrowdX数据集具有丰富的注释信息，我们进行了大量的数据驱动的对比实验来分析这些因素。本文的研究为深入理解人群计数问题提供了参考，并在算法的实际部署中提出了一些有益的建议。
2022-01-22 cs.CV
Direct Measure Matching for Crowd Counting
Xi’an Jiaotong University（西安交通大学）；Pengcheng Laboratory（鹏城实验室）
传统的人群计数方法通常使用高斯假设来生成伪密度地面真值，这存在高斯核大小估计不准确等问题。在本文中，我们提出了一种新的测量为基础的计数方法回归预测的密度图的散射点注释地面真相直接。首先，人群计数被制定为一个措施匹配问题。其次，我们推导了Sinkhorn发散的半平衡形式，并在此基础上设计了Sinkhorn计数损失进行测度匹配。第三，我们提出了一个自我监督的机制，通过设计一个Sinkhorn规模一致性损失，以抵制规模的变化。最后，提出了一种有效的优化方法，以最小化总损失函数。在ShanghaiTech、UCF-QNRF、JHU++和NWPU四个具有挑战性的人群计数数据集上进行了广泛的实验，验证了所提出的方法。
2021-07-04 cs.CV
Embodied Crowd Counting
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；City University of Hong Kong（香港城市大学）
本文提出具身人群计数任务，通过构建大规模交互式模拟器和零样本导航方法，在复杂场景中实现高效人群计数。
2025-11-25 cs.CV
DecideNet: Counting Varying Density Crowds Through Attention Guided Detection and Density Estimation
Carnegie Mellon University（卡内基梅隆大学）；Chongqing University of Posts and Telecommunications（重庆邮电大学）；Xi’an Jiaotong University（西安交通大学）
在现实世界的人群计数应用中，人群密度在空间和时间域中变化很大。基于检测的计数方法在低密度场景下可以准确估计人群，但在拥挤区域的可靠性下降。另一方面，基于回归的方法捕获拥挤区域中的一般密度信息。在不知道每个人的位置的情况下，它往往会高估低密度区域的计数。因此，只使用其中之一是不足以处理各种场景的密度变化。为了解决这个问题，提出了一种新的端到端的人群计数框架，命名为DecideNet（DETECtIon和密度估计网络）。它可以根据图像的真实密度情况，自适应地为图像上的不同位置决定合适的计数模式。DecideNet首先通过分别生成基于检测和回归的密度图来估计人群密度。为了捕捉不可避免的密度变化，它包含了一个注意力模块，旨在自适应地评估两种类型的估计的可靠性。在注意力模块的指导下，从两种密度图中采用合适的估计来获得最终的人群计数。实验结果表明，我们的方法在三个具有挑战性的人群计数数据集上实现了最先进的性能。
2018-03-07 cs.CV
Scale-Aware Network with Regional and Semantic Attentions for Crowd Counting under Cluttered Background
East China Normal University（华东师范大学）；Jiangxi Normal University（江西师范大学）
人群计数是一项在公共安全相关领域显示出巨大应用价值的重要任务，近年来受到越来越多的关注。在目前的研究中，计数的准确性和人群密度估计是主要关注的问题。尽管深度学习的出现极大地推动了该领域的发展，但杂乱背景下的人群计数仍然是一个严峻的挑战。为了解决这个问题，我们提出了一个具有区域和语义关注度的ScaleAware Crowd Counting Network（SACCN）。该方法通过在浅层和深层分别应用区域和语义自注意力机制来区分人群和背景。提出了非对称多尺度模型（AMM）来解决尺度多样性问题，并设计了基于区域注意的密集连接和跳跃连接来缓解人群尺度的变化。在多个公共基准测试上的实验结果表明，我们提出的SASCN实现了令人满意的优越性能，优于大多数最先进的方法。所有代码和预训练模型将很快发布。
2021-01-07 cs.CV
Crowd Transformer Network
Stony Brook University（石溪大学）；University of Central Florida（中佛罗里达大学）
在本文中，我们解决的问题，人群计数，并提出了一种基于人群密度估计的方法来获得人群计数。大多数现有的人群计数方法依赖于局部特征来估计人群密度图。在这项工作中，我们调查的有用性相结合的本地与非本地的人群计数功能。我们使用卷积层来提取局部特征，并使用一种自注意力机制来提取非局部特征。我们结合了局部和非局部特征，并使用它来估计人群密度图。我们在三个公开的人群计数数据集上进行了实验，并在以前的方法上取得了显着的改进。
2019-04-04 cs.CV
JHU-CROWD++: Large-Scale Crowd Counting Dataset and A Benchmark Method
Johns Hopkins University（约翰斯·霍普金斯大学）
由于其在现实世界中的各种应用，基于单个图像的人群计数任务近年来受到了很多关注。最近，已经提出了几种方法来解决人群计数中遇到的各种问题。这些方法基本上基于卷积神经网络，其需要大量数据来训练网络参数。考虑到这一点，我们引入了一个新的大规模无约束人群计数数据集（JHU-CROWD++），其中包含“4，372”张图像和“151万”条注释。与现有数据集相比，拟议数据集是在各种不同的场景和环境条件下收集的。具体来说，该数据集包括几个具有基于天气的退化和照明变化的图像，使其成为一个非常具有挑战性的数据集。此外，该数据集还包含一组丰富的图像级和头部级注释。最近的几种方法进行了评估和比较，在这个数据集。数据集可以从http://www.crowd-counting.com下载。此外，我们提出了一种新的人群计数网络，通过残差估计逐步生成人群密度图。所提出的方法使用VGG 16作为骨干网络，并采用由最终层生成的密度图作为粗略预测，以使用残差学习以渐进的方式细化和生成更精细的密度图。此外，残差学习由基于不确定性的置信度加权机制引导，该机制仅允许高置信度残差在精化路径中流动。在最近的复杂数据集上对所提出的置信度引导的深度残差计数网络（CG-DRCN）进行了评估，并且在错误方面取得了显着的改善。
2020-11-02 cs.CV
CrowdNet: A Deep Convolutional Network for Dense Crowd Counting
Video Analytics Lab（视频分析实验室）；Indian Institute of Science（印度科学研究院）
我们的工作提出了一种新的深度学习框架，用于从高密度人群的静态图像中估计人群密度。我们使用深度和深度的组合，完全卷积网络来预测给定人群图像的密度图。这种组合用于有效地捕获高级别语义信息（面部/身体检测器）和低级别特征（斑点检测器），这对于大规模变化下的人群计数是必要的。由于大多数人群数据集的训练样本有限（<100张图像），而基于深度学习的方法需要大量的训练数据，因此我们执行多尺度数据增强。以这种方式增强训练样本有助于引导CNN学习尺度不变表示。我们的方法在具有挑战性的UCF_CC_50数据集上进行了测试，并显示出优于最先进的方法。
2016-08-22 cs.CV
Wisdom of (Binned) Crowds: A Bayesian Stratification Paradigm for Crowd Counting
IIIT Hyderabad（海得拉巴国际信息技术学院）；IIT Bombay（孟买印度理工学院）
用于训练人群计数深度网络的数据集通常在计数分布中具有重尾，并且在计数范围内表现出不连续性。因此，事实上的统计措施（MSE，MAE）表现出很大的差异，往往是不可靠的指标，在整个计数范围内的性能。为了全面解决这些问题，我们在标准人群点算流程的各个阶段修改了流程。为了使原则和平衡的小批量抽样，我们提出了一种新的平滑贝叶斯样本分层方法。我们提出了一种新的成本函数，可以很容易地将其纳入现有的人群计数深度网络，以鼓励分层优化。我们分析了代表性的人群计数方法在标准数据集上的性能，在每个层次和总体上。我们分析了人群计数方法在标准数据集上的性能，并证明了我们提出的修改显著降低了误差标准差。我们的贡献代表了一个微妙的，统计平衡和细粒度的人群计数方法的性能表征。代码、预训练模型和交互式可视化可以在我们的项目页面https://deepcount.iiit.ac.in/上查看
2021-08-19 cs.CV cs.MM
SynMVCrowd: A Large Synthetic Benchmark for Multi-view Crowd Counting and Localization
Visual Computing Research Center, College of Computer Science and Software Engineering（视觉计算研究中心，计算机科学与软件工程学院）
本文提出SynMVCrowd基准，用于更实际地评估多视角人群计数和定位任务，包含50个合成场景，具有大量多视角帧和相机视角，以及更大的人群数量，同时提出了优于现有方法的基线模型。
2026-03-25 cs.CV
Fine-Grained Counting with Crowd-Sourced Supervision
Stony Brook University（石溪大学）；University of Oxford（牛津大学）
众包是动物生态学中越来越受欢迎的图像分析工具。可以利用众包注释的计算机视觉方法可以帮助进一步扩展分析。在这项工作中，我们研究的潜力，这样做的细粒度计数的挑战性任务。与标准的人群计数任务相反，细粒度计数还涉及对密集人群中的个体属性进行分类。我们从动物生态学中引入了一个新的数据集，以支持这项研究，其中包含8个细粒度类的170万个众包注释。它是用于细粒度计数的最大可用数据集，也是第一个能够使用众包注释研究任务的数据集。我们介绍的方法，从收集的注释生成聚合的“地面真理”，以及计数方法，可以利用聚合信息。我们的方法在可比基线上将结果提高了8%，这表明算法有可能使用众包监督来学习细粒度计数。
2022-05-30 cs.CV cs.LG
Domain-General Crowd Counting in Unseen Scenarios
Huawei London Research Center（华为伦敦研究中心）
跨人群数据的域转移严重阻碍了人群计数模型推广到不可见的场景。尽管领域自适应人群计数方法在一定程度上缩小了这一差距，但它们仍然依赖于目标领域数据来使其模型适应（例如微调）特定领域。在本文中，我们的目标是训练一个模型的基础上，一个单一的源域，可以推广到任何看不见的领域。这属于领域泛化的范畴，在人群计数中尚未探索。首先，我们引入了一个动态的子域划分方案，将源域划分为多个子域，这样我们就可以启动一个元学习框架的领域泛化。在元学习过程中，子域划分被动态地细化。其次，为了将图像特征中的领域不变信息和领域特定信息分离开来，我们设计了领域不变和领域特定的群体记忆模块对图像特征进行重新编码。两种类型的损失，即特征重构和正交损失，被设计为使这种解纠缠。在SHA、SHB、QNRF和NWPU等几个标准人群计数基准上进行的大量实验表明，该方法具有很强的通用性。
2023-03-28 cs.CV
Multi-scale Convolutional Neural Networks for Crowd Counting
South China University of Technology（华南理工大学）
由于尺度变化，静态图像上的人群计数是一个具有挑战性的问题。最近，深度神经网络已被证明在这项任务中是有效的。然而，现有的基于神经网络的方法往往使用多列或多网络模型来提取尺度相关的特征，这是更复杂的优化和计算浪费。为此，我们提出了一种新的多尺度卷积神经网络（MSCNN）的单图像人群计数。基于多尺度blob，该网络能够在单列架构中生成与尺度相关的特征，以获得更高的人群计数性能，这对于实际应用来说既准确又经济。补充的结果表明，我们的方法优于国家的最先进的方法的准确性和鲁棒性与少得多的参数。
2017-02-08 cs.CV
