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

针对人群密度估计问题，本文分析了当前基于密度估计问题算法存在的问题， inhomogeneous density distribution problem，随后提出解决这个问题的方法，将密度图由2D 拓展到 3D，网络具体实现由 Density-Aware Network

当前基于密度图估计算法主要网络结构有以下几种：

A. Problem Formulation
这问题的描述中介绍了人群密度估计问题是如何由标记图像变为人群密度图，以及将密度估计问题变为回归问题，设计损失函数

B. The Inhomogeneous Density Distribution
根据以前的研究结论，我们观察到三个有意思的现象：
a) local model 的性能比 global model 的性能要好，这个结论是从分析 Switch-CNN [2] 和 MCNN [28] 这两个网络结构得出的。Switch-CNN 和 MCNN 整体网络结构基本一样，Switch-CNN 自动选择一个 column 来做预测，而 MCNN 融合三个 column 得到一个 global regressor。Switch-CNN 和 MCNN 两个网络，哪个性能更好了？对此文献数据就可以知道了
b) DNNs 相对于 shallow networks 表现的更差，尤其是在人群密度差异较大的数据库上（ especially on datasets with various density levels）
c) 当前方法的 mean absolute error (MAE) 和数据的密度差异成正比， is proportional to the relative density level
也就是说增加网络的深度不能帮助我们解决问题，为什么会这样了？
主要是图像中的 inhomogeneous density distribution 导致这个问题的。

接着我们深入分析了这个 inhomogeneous density distribution 具体形式以及现实中为什么会出现这个问题

接着我们用这个 inhomogeneous density distribution 解释了上面三个现象。

接着我们指出了三个可能存在的问题：Dying ReLU；Exploding Gradients；Saddle Points

Density-Aware Network (DAN)

A. Separating Inhomogeneous Density Distribution as Structured Learning
我们解决这个 inhomogeneous density distribution 方法也很简单： extend the 2D density maps to the structured density maps (3D)，第三维度我们表示 density levels，每个等级使用一个独立的 Gaussian kernel

网络主要修改的地方：

常用数据库一些统计指标：

实验对比效果：

人群密度估计--Structured Inhomogeneous Density Map Learning for Crowd Counting相关推荐

人群计数经典方法Density Map Estimation,密度图估计
(3)Density Map Estimation(主流) 这是crowd counting的主流方法传统方法不好在哪里?object detection-based method和regressi ...
人群密度估计--CNN-based Cascaded Multi-task Learning of High-level Prior and Density Estimation for Crowd
CNN-based Cascaded Multi-task Learning of High-level Prior and Density Estimation for Crowd Counting ...
人群密度估计--Learning a perspective-embedded deconvolution network for crowd counting
Learning a perspective-embedded deconvolution network for crowd counting 没有找到代码本文在人群密度估计这个问题上的创新点: ...
人群密度估计--Generating High-Quality Crowd Density Maps using Contextual Pyramid CNNs
Generating High-Quality Crowd Density Maps using Contextual Pyramid CNNs ICCV2017 针对人群密度估计问题,本文主要从 i ...
人群密度估计--Leveraging Unlabeled Data for Crowd Counting by Learning to Rank
Leveraging Unlabeled Data for Crowd Counting by Learning to Rank CVPR2018 https://github.com/xialeil ...
人群密度估计--Learning to Count with CNN Boosting
Learning to Count with CNN Boosting ECCV2016 本文使用CNN来进行人群密度估计,主要有两个改进地方:layered boosting and selecti ...
人群密度估计--Spatiotemporal Modeling for Crowd Counting in Videos
Spatiotemporal Modeling for Crowd Counting in Videos ICCV2017 针对视频人群密度估计问题,这里主要侧重视频中的 temporal infor ...
车辆密度估计--Understanding Traffic Density from Large-Scale Web Camera Data
Understanding Traffic Density from Large-Scale Web Camera Data CVPR2017 https://arxiv.org/abs/1703.0 ...
人群密度估计--Crowd Counting Via Scale-adaptive Convolutional Nerual Network
Crowd Counting Via Scale-adaptive Convolutional Nerual Network https://arxiv.org/abs/1711.04433v2 Co ...

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

人群密度估计--Structured Inhomogeneous Density Map Learning for Crowd Counting相关推荐

最新文章

热门文章