Unlabeled Data für die Menschenzählung nutzen durch das Lernen von Rangfolgen

Wir schlagen einen neuen Ansatz für die Menschenzählung in dichten Szenen vor, der reichlich vorhandene, nicht gekennzeichnete Menschenbilder in einem Lernen-zum-Rangieren-Framework nutzt. Um eine Rangfolge von zugeschnittenen Bildern herzustellen, nutzen wir die Beobachtung, dass jedes Teilbild eines dicht besetzten Szenebildes garantiert die gleiche Anzahl oder weniger Personen als das übergeordnete Bild enthält. Dies ermöglicht es uns, das Problem der begrenzten Größe bestehender Datensätze für die Menschenzählung anzugehen. Wir sammeln zwei Menschen-Szenendatensätze von Google mithilfe von Stichwortsuchen und beispielsbasierten Bildsuchen. Wir zeigen, wie man effizient aus diesen nicht gekennzeichneten Datensätzen lernen kann, indem man Lernen-zum-Rangieren in ein Multi-Task-Netzwerk integriert, das gleichzeitig Bilder rangiert und Dichteabbildungen der Menschenmassen schätzt. Experimente mit zwei der anspruchsvollsten Datensätze für die Menschenzählung zeigen, dass unser Ansatz erstklassige Ergebnisse erzielt.关键词解释：- "Lernen-zum-Rangieren-Framework" (learning-to-rank framework)- "Dichteabbildungen" (density maps)