基于多列卷积神经网络的单图像人群计数（人群计数）

文章Single-Image Crowd Counting via Multi-Column Convolutional Neural Network

介绍：

本文旨在开发一种方法，具有任意人群密度和仁义视角的单个图像精度估计人群数量。提出了一种MCNN的方法，输入的图像任意大小和任意分辨率，通过不同尺寸的感受野的滤波器，由每列cnn学习的特征适应于由于透视效果和图像分辨率引起的人/头部尺寸的变化，

本文解决的问题：

前景分割很难，人群遮挡严重，图像人的多少不太固定。

前景分割是当前大多数工作中不可缺少的部分。 然而，前景分割本身就是一项具有挑战性的任务，不准确的分割将对最终的计数产生不可逆转的不利影响。 在我们的任务中，图像的视点可以是任意的。 如果没有关于场景几何或运动的信息，就几乎不可能从背景中准确地分割出人群。 因此，我们必须估计人群的数量，而不是首先分割前景

在我们的任务（或数据集）中，人群的密度和分布发生了显著的变化，并且通常在每幅图像中对大多数人都有巨大的遮挡。 因此，传统的基于检测的方法不能很好地处理这些图像和场景

由于图像中人的尺度可能有很大的变化，我们需要一起使用不同尺度上的特征，以便准确地估计不同图像的人群数量。 由于我们没有被跟踪的特征，并且很难为所有不同的尺度手工制作特征，所以我们不得不求助

本文的主要贡献：

1. 我们在此采用多列架构的原因是相当自然的:三列对应于具有不同大小（大、中、小）的接收场的滤波器，使得每个列CNN学习的特征能够适应（因此整个网络对）由于透视效果或跨不同图像分辨率而引起的人/头大小的大变化（因此是鲁棒的）
2. 在MCNN中，我们用滤波器尺寸为1×1的卷积层代替完全连接层。 因此，我们的模型的输入图像可以是任意大小的，以避免失真。 网络的直接输出是对人群密度的估计，我们从人群密度中得出总人