DENSE POINT PREDICTION: A SIMPLE BASELINE FOR CROWD COUNTING AND LOCALIZATION（论文阅读笔记）

DENSE POINT PREDICTION: A SIMPLE BASELINE FOR CROWD COUNTING AND LOCALIZATION （论文阅读笔记）

文章出处：IEEE ICME Workshop，2021

摘要

在这篇文章中，作者提出了一个简单但是有效的人群计数和定位网络——SCALNet，与现有的将计数和定位任务分离的工作不同，作者将这些任务视为像素级密集预测问题，并将其集成到一个端到端框架中。

具体来说，对于人群计数，采用了由均方误差(MSE)损失监督的计数头。对于人群定位，关键是识别人的关键点，即头部的中心点，并提出了一个定位头来区分密集人群，其由两个损失函数训练得到，即Negative-Suppressed Focal (NSF) loss和False-Positive (FP) loss，它能够平衡正/负样本和处理假阳性预测。

在大规模基准NWPU-Crowd数据集上的实验表明，该方法在人群定位和计数任务上的性能分别比最先进的方法提高了5%和10%以上。

定位：

计数：

一、介绍

传统上，人群计数和定位被视为是两个独立的任务。

最先进的人群计数方法是基于回归网络的，它专注于回归计数，但忽略对象实例的位置。此类方法旨在预测密度