【Crowd Localization】IIM

人群定位是人群分析中的1个子任务，其目的是预测每个实例的位置。传统的基于密度的方法只能进行粗略预测，而基于分割/检测的方法无法处理极其密集的场景和大范围尺度变化的人群。为此，提出一种用于人群定位的端到端且简单的框架，称为独立实例图分割（Independent Instance Map segmentation，IIM）。

论文：https://arxiv.org/abs/2012.04164

代码：https://github.com/taohan10200/IIM

下图显示4种传统标签和所提出的IIM标签。IIM具有更好的独立性和规模。

一. 方法

IIM的人群定位框架如下图所示。

首先，利用Confidence Predictor 预测给定图片人群区域的置信度。然后，Binarization Module将置信图输出为二值图。最后，检测分割图中的连通分量以输出包括头部中心的框。

1.Confidence Predictor

有2种流行的网络被用作置信度预测器 （CP）。