TheWaySoFar

https://arxiv.org/pdf/1903.02494 方法 以resnet50作为backbone, 两个ouput branches: 图片分类: 输入C个通道, 每层代表一类目标的分布 密度图 输出C个通道, 每层代表一类目标的密度 1. 损失函数 首先对于一张图像, 所有的类别首先分成三类: 0个目标的类别, 含有1-4个目标的类别, 5~目标的类比 密度图某个通道的一个像...

<Crowd Counting and Density Estimation by Trellis Encoder-Decoder Networks> 背景介绍 类似沙漏金字塔backboe大量的下采样上采样的融合不利于生成精准度密度图, 这源于1)下采样本身导致精准度下降, 2)上采样并不能恢复之前丢失的信息, 即使使用了跳跃连接. 3)还有mse损失针对像素间的损失,忽略了空间信...

<Learning Spatial Awareness to Improve Crowd Counting> 背景介绍 由于人群计数的数据集很难对每个目标提高box, 所以之前的工作都是利用头部中心的位置和高斯 分布生成gt. 现存的人群计数集中在提供尺度不变的特征表述(那种多列并行的网络), 主要是为了空间感知能力. 在这其中作者发现, 对密度区域估计不足, 对稀疏区域估计过多. ...