Réinterroger l'invariance spatiale des réseaux convolutionnels pour le comptage d'objets

Les travaux antérieurs considèrent généralement qu'améliorer l'invariance spatiale des réseaux de convolution est la clé de la comptabilisation d'objets. Toutefois, après avoir vérifié plusieurs réseaux de comptage courants, nous avons surprenamment constaté qu'une invariance spatiale au niveau des pixels trop rigoureuse entraîne un surajustement au bruit lors de la génération de la carte de densité. Dans cet article, nous proposons d'utiliser des noyaux gaussiens localement connectés afin de remplacer les filtres de convolution originaux, dans le but d'estimer la position spatiale dans la carte de densité. L'objectif est de permettre au processus d'extraction de caractéristiques de stimuler potentiellement le processus de génération de la carte de densité, afin de surmonter le bruit d'annotation. Inspirés par des travaux antérieurs, nous proposons une approximation de rang faible combinée à une invariance de translation, permettant ainsi une approximation efficace de la convolution gaussienne à grande échelle. Ce travail ouvre une nouvelle voie pour les recherches futures, en soulignant la nécessité d'étudier comment assouplir de manière appropriée l'invariance spatiale au niveau des pixels, trop rigoureuse dans les méthodes actuelles. Nous évaluons notre méthode sur quatre réseaux de comptage d'objets courants (à savoir MCNN, CSRNet, SANet et ResNet-50). Des expériences étendues ont été menées sur sept benchmarks populaires pour trois applications distinctes (comptage de foules, comptage de véhicules et comptage de plantes). Les résultats expérimentaux montrent que notre approche surpasse significativement les méthodes de pointe existantes et parvient à une apprentissage prometteur de la position spatiale des objets.