基于语义先验的人群统计残差回归

贾婉、罗文翰、吴宝元、陈安东、刘伟; 2019年IEEE/CVF计算机视觉和模式识别会议记录，第4036-4045页

摘要

由于拥挤度变化较大和严重闭塞等因素，人群计数是一项具有挑战性的任务。尽管近年来基于深度学习的计数算法取得了很大进展，但样本之间的相关性知识和语义先验还没有得到充分利用。本文利用样本之间的相关性信息，提出了一种用于人群计数的残差回归框架。通过将这些信息整合到我们的网络中，我们发现网络可以学习到更多的内在特征，从而更好地推广到未知场景。此外，我们还展示了如何在提高人群计数性能之前有效地利用语义。我们还观察到，对抗性损失可用于提高预测密度图的质量，从而改善人群计数。在公共数据集上的实验证明了该方法的有效性和泛化能力。

相关材料

[pdf格式]
[围巾]
@会议记录{Wan_2019_CVPR，
author={万、贾和罗、文翰和吴、宝元和陈、安东尼B.和刘、魏}，
title={拥挤计数的语义先验残差回归}，
booktitle={IEEE/CVF计算机视觉和模式识别（CVPR）会议记录}，
月={6月}，
年份={2019}
}