-
基于语义先验的人群统计残差回归 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} }