uestcbyl的博客

10月08日-A survey of recent advances in CNN-based single image crowd counting and density estimatio 解读人群密度估计传统的三种方法基于检测的方法基于回归的方法基于密度估计的方法基于CNN的新的方法基于推理的方法来分类论文的列举人群计数未来的方向人群密度估计传统的三种方法基于检测的方法基于回归的方...

创新点：1、本文论证了3D卷积在时空特征学习的有效性，并在4个数据集上对比2D卷积及光流法、iDT法的有效性；2、本文证明了333卷积的有效性，在UCF-101上证明了时空深度的变化和空间大小的变化对结果没有什么关键影响；3、提出了3D卷积的架构，对过程进行可视化，论证了为什么3D卷积比较好；学到的东西：1、视频描述符的四个属性：1.通用型；2.紧凑性；3.高效性；4.简单性；2、2D...

创新点：1、本文对两种长视频的处理方式进行了实验和比较，并在相关数据集上达到了很好的效果；2、本文设计了5种conv方式，用于对时空信息的捕捉，并实验证明了哪种方式的最优；3、本文用LSTMs捕捉长视频的信息；学到的东西：1、普遍的帧预测的方法为将视频信息看成静态图像，然后使用cnn来识别每一张照片，通过平均得到视频的分类；2、较长帧对视频分类有好的作用，结合光流也有很好的信息；3、...

本文的创新：1.本文提到了一个加权LSTM方法进行数据重构，并基于原数据和重构数据的误差进行异常检测；2.使用RPCA方法进行前背景分割，并在实验中证明这个方法对异常检测的有效性；3.使用了一种加权的L2损失作损失函数；学到的东西：1.使用PSNR来进行计算重构误差，然后作为异常检测的评分；2.异常检测中，面对数据集过少的情况，可以考虑先利用无监督和半监督学习对模型进行标准化建模，偏离...

本文的创新：1.本文提到了一个新的架构，使用两个VAE组合进行异常事件检测，两个VAE均为生成模型，第一个VAE称为SF-VAE，是一个全连接的编码器，输入为低分辨率的图片，目的是将显而易见的正常个体过滤掉，给SC-VAE提供筛选后的样本，SC-VAE使用筛选后的样本，并进行图像放大。2.具体做法是，1.先用全卷积网络进行N+1帧前景分离，再将分离后的前景图片使用类似目标检测的方法，使得每一个...

本文的创新：1.提出了一个残差网络与inception-v3结合的思路；2.将2D膨胀成3D用于处理视频序列；3.首先使用3D卷积学习UCF-101的特征，再使用迁移学习的办法在WWW数据集上进行微调，使用一个熵函数计算多标签概率4.使用了两个branch进行训练，第一个branch使用光流特征进入，第二个使用运动特征，然后在高层进行融合（和上一篇文章相似）学到的东西：1.进行人群行为...