DecideNet: 注意誘導検出と密度推定を用いた変動密度群衆のカウント

実際の群衆カウント応用において、群衆密度は空間および時間領域で大きく変動します。検出ベースのカウント手法は低密度シーンで正確な群衆数を推定できますが、混雑したエリアではその信頼性が低下します。一方、回帰ベースのアプローチは混雑地域での一般的な密度情報を捉えますが、各個人の位置を特定せずに低密度エリアでの群衆数を過大に推定する傾向があります。したがって、これらのいずれかの手法だけを使用することは、異なる密度を持つさまざまなシーンに対処するのに十分ではありません。この問題を解決するために、新しいエンドツーエンドの群衆カウントフレームワークであるDecideNet（DEteCtIon and Density Estimation Network）が提案されました。このネットワークは画像上の異なる位置に対して実際の密度状況に基づいて適切なカウントモードを適応的に決定することができます。DecideNetはまず、検出ベースと回帰ベースの密度マップを別々に生成することで群衆密度を推定します。密度の避けられない変動を捉えるために、二種類の推定結果の信頼性を適応的に評価することを目指す注意モジュールを取り入れています。最終的な群衆数は、注意モジュールのガイダンスにより二種類の密度マップから適切な推定結果を選択することで得られます。実験結果は、当方法が三つの困難な群衆カウントデータセット上で最先端の性能を達成していることを示しています。