《Crowd Counting via Adversarial Cross-Scale Consistency Pursuit》解读

• 使用的方法
  
  1. 使用了一个U-net的生成网络来设计生成密度图;
  2. 采用了一种对抗损失，将solution 映射到真实子空间内，从而减少了密度图估计的模糊效果；
  3. 另外，设计了一种新的一种，一致性调节方式，使得人群的总和，可以从小的图片中计算出来，再和全局图片来对比，使得数量一致；
  4. 最后这里是通过联合训练，通过两者的合作来提高密度估计性能。
• 以往的缺点：
  以往的人群记数是通过不同的卷积核来衡量大小
  
  1. 因此只有L2范数来优化模型;
  2. 对离群值和图像的敏感性不足，图像过于模糊;
  3. 而且，不同的卷积子网络之间没有协助，只是试图最小化自己的估计，导致在其他的尺度上性能不好，没有追求尺度的一致性问题;
  4. 此外，卷积核为滑动窗口设计，所以局部补丁的丢失，会影响全局。
• 本文提出的创新：
  
  1. 根据GANs在图像翻译上的思想，提出了一种对抗性损失，代替传统的L2范数损失，用于减轻optimization的模糊效应；
  2. 利用U-net 的多尺度架构，从而对于图像进行像素级翻译，即：一个像素点到密度图的像素点的映射。
  3. 提出了一种新的正则化器，用于校准跨尺度模型，并鼓励不同尺度的协同训练
  4. 使用两个互补密度图生成器，一个是大图像的输入，一个是将大图像切割后的小图像，通过大图像的记数=切割小图像记数的和，
• 本文的思路
  
  1. pix2pix的思路被借鉴，G网络的输入为原始图像，输出为对应的密度图像，这里的G使用的思想是U-net，作为G的编解码器。
  2. 为了解决不同尺寸的问题，使用back-back的设计模式，设计了两个G，G（larg