ADCrowdNet：一种用于人群理解的注意力注入可变形卷积网络

我们提出了一种称为ADCrowdNet的注意力注入变形卷积网络，用于解决高度拥挤和嘈杂场景中的人群理解问题，以提高其准确性。ADCrowdNet包含两个串联的网络。首先是一个称为注意力图生成器（Attention Map Generator, AMG）的网络，它能够在图像中检测人群区域并计算这些区域的拥挤程度。基于检测到的人群区域和拥挤先验信息，另一个多尺度变形网络，即密度图估计器（Density Map Estimator, DME），随后生成高质量的密度图。通过采用注意力感知训练方案和多尺度变形卷积方案，所提出的ADCrowdNet具备了更有效地捕捉人群特征以及更强地抵抗各种噪声的能力。我们在四个流行的人群计数数据集（ShanghaiTech、UCF_CC_50、WorldEXPO'10和UCSD）以及一个额外的车辆计数数据集TRANCOS上评估了我们的方法，结果表明我们的方法在这所有数据集上的表现均优于现有的最先进方法。