Leveraging Unlabeled Data for Crowd Counting by Learning to Rank
CVPR2018
https://github.com/xialeiliu/CrowdCountingCVPR18

本文针对人群密度估计训练数据库规模很小的问题 提出了使用未标定数据来 self-supervised,具体通过 Learning to Rank

人群密度估计数据库规模很小的主要原因是 图像标记工作量很大,需要将图像中密集人群每个人头标记出来。这里我们提出一个方法来利用大量未标记的数据。
具体的方法就是让网络学会排序,怎么排序了? 就是一个图像中的局部区域包含的人数肯定小于等于整个图像的人数

使用这个约束来辅助训练网络。

context-aware models 主要学习图像中的context,文献[12,31]将图像块根据人群密度大小 分为5个等级 very high density, high density, medium density, low density and very low density

scale-awareness 主要解决不同图像存在 large variations of density,主要的思路就是 multi-column based architecture (MCNN) to capture the different densities by using different sizes of kernels in the network; Hydra-CNN 采用多分辨率输入; switching CNN 自适应选择合适的网络来处理输入图像块

3 Generating ranked image sets for counting
这里介绍怎么利用没标记的图像数据,首先是从网络搜索和现有数据库类似的图像,然后按照下面的方式生成 ranked image

4 Learning from ranked image sets
4.1. Crowd density estimation network
人群密度估计网络,这里我们使用 VGG16网络,利用预训练网络模型参数可以提升网络的人群密度估计性能

4.2. Crowd ranking network

这里我们主要设计了一个 ranking loss

4.3. Combining counting and ranking data
这里主要介绍了三种将 排序数据嵌入到人群密度估计的方式

5 Experiments
误差度量公式

人群密度估计--Leveraging Unlabeled Data for Crowd Counting by Learning to Rank相关推荐

  1. Learning from Synthetic Data for Crowd Counting in the Wild 论文阅读笔记

    Learning from Synthetic Data for Crowd Counting in the Wild 论文阅读笔记 发表:CVPR 2019 人群计数任务在多变的环境,大范围的人群中 ...

  2. 《Learning from Synthetic Data for Crowd Counting in the Wild》论文笔记

    Learning from Synthetic Data for Crowd Counting in the Wild 论文翻译 Abstract 1. Introduction 2.Related ...

  3. 《Learning from Synthetic Data for Crowd Counting in the Wild》阅读与调试

    1.方法简介 基于GTA5渲染人员密集的场景,从游戏数据中获取标注组成GTA5 Crowd Counting (GCC) Dataset.数据集使用方式有两种:(1)算法再GCC 中先训练再在真实数据 ...

  4. 【人群计数】Crossing the Line: Crowd Counting by Integer Programming with Local Features

    Abstract 作者提出了一种对于视频中穿过关注线的行人数量实时整数规划方法.视频首先被转换为时序序列,然后人数会通过一系列有重叠的窗口进行估计,使用了一种从局部特征到数量的回归函数进行映射.考虑到 ...

  5. 人群密度估计--Fully Convolutional Crowd Counting On Highly Congested Scenes

    Fully Convolutional Crowd Counting On Highly Congested Scenes The 12th International Conference on C ...

  6. GitHub:人群密度估计最全资料集锦

    GitHub:人群密度估计最全资料集锦 文章目录: 整理过的awesome系列项目: GitHub:车道线检测最全资料集锦 GitHub:目标检测最全论文集锦 GitHub:TensorFlow最全资 ...

  7. 人群密度估计--CrowdNet: A Deep Convolutional Network for Dense Crowd Counting

    CrowdNet: A Deep Convolutional Network for Dense Crowd Counting published in the proceedings of ACM ...

  8. Boosting Crowd Counting via Multifaceted Attention之人群密度估计实践

    这周闲来无事,看到一篇前不久刚发表的文章,是做密集人群密度估计的,这块我之前虽然也做过,但是主要是基于检测的方式实现的,这里提出来的方法还是比较有意思的,就拿来实践一下. 论文在这里,感兴趣可以看下. ...

  9. 人群密度估计--Structured Inhomogeneous Density Map Learning for Crowd Counting

    Structured Inhomogeneous Density Map Learning for Crowd Counting https://arxiv.org/abs/1801.06642 针对 ...

最新文章

  1. 物理化学 多组成系统热力学
  2. Javascript面向对象编程:构造函数的继承
  3. 关于错误error C4430 error C2365 error C2078 error C2440 error C2143的处理。
  4. signature=486e34400687432217e65e837b8e6753,PXE常见错误代码表
  5. [css] 不使用border画出1px高的线,在不同浏览器的标准和怪异模式下都能保持效果一样
  6. datagridview控件的使用
  7. ASP.NET性能监控和优化入门
  8. 【wordpress】wordpress环境的搭建
  9. 用express搭建网站
  10. java system datetime_Java8新特性时间日期库DateTime API及示例
  11. 应届生web前端面试题_Web前端初学者(应届生)面试攻略
  12. 中国城市统计年鉴2021 面板数据
  13. 最短路问题——spfa算法
  14. 3dmax 导出 fbx文件, 模型 到Unity中 贴图丢失
  15. Logstash配置插件grok详解
  16. 51GIF GIF动图中文搜索平台,表情包发源地,GIF动图素材库
  17. 广东未来科技:书写立体显示事业传奇的行业独角兽
  18. 智能新时代-不一样的人机交互体验
  19. Python-opencv学习笔记
  20. bash下的特殊符号与通配符

热门文章

  1. Nat. Med. | 制定指导原则以报告AI在临床试验中的使用
  2. JMC | 人工智能在药物合成中的当前和未来作用(1)
  3. Machine Learning | (12) 非监督学习-k-means
  4. 局部敏感哈希(Locality sensitive hash) [3]—— 代码篇
  5. 如何在golang中关闭bufio.reader_Golang 并发模型系列:1. 轻松入门流水线模型
  6. 在线作图|在线做UMAP降维分析
  7. 零基础入门学习Python(31)-异常处理2-try语句
  8. 临床基因组学数据分析实战开课啦!!!
  9. ISME:根系招募特异型菌群增强植物对盐胁迫的抗性
  10. R语言可视化散点图、气泡图、动态气泡图、数据点重合的散点图、数据点计数图、抖动数据点图、基于lm方法或者loess方法拟合数据点之间的趋势关系曲线、自定义数据点的大小、色彩、添加主标题、副标题、题注