12 天前

用于精确高效人群计数的尺度聚合网络

{Zhipeng Wang, Xinkun Cao, Fei Su, Yanyun Zhao}
用于精确高效人群计数的尺度聚合网络
摘要

本文提出了一种新型的编码器-解码器网络——尺度聚合网络(Scale Aggregation Network, SANet),用于实现高精度且高效的群体计数。该网络的编码器通过尺度聚合模块提取多尺度特征,解码器则利用一系列转置卷积生成高分辨率的密度图。此外,我们发现大多数现有方法仅采用欧氏损失(Euclidean loss),该损失假设密度图中各像素之间相互独立,忽略了密度图中固有的局部相关性。为此,我们提出了一种新的训练损失函数,结合了欧氏损失与局部模式一致性损失(local pattern consistency loss),实验结果表明该损失函数显著提升了模型性能。同时,我们引入归一化层以缓解训练过程中的优化困难,并采用基于图像块的测试策略,有效降低了统计分布偏移(statistic shift)带来的影响。为验证所提方法的有效性,我们在四个主流群体计数数据集上进行了大量实验,结果表明,所提出的方法在取得优于当前最先进方法性能的同时,模型参数量显著减少。

用于精确高效人群计数的尺度聚合网络 | 最新论文 | HyperAI超神经