改进网络尺度不变性提升拥挤人群计数性能(附Github地址)

人群计数是通过图片计算人群密度,在公共安全和城市规划中有非常重要的应用。本文通过改进网络的尺度不变性,显著提高了人群计数算法性能。


该文来自昨天Arxiv新上论文《Stacked Pooling: Improving Crowd Counting by Boosting Scale Invariance》,作者信息:

在计算机视觉中尺度不变是经常被涉及的话题,与其相关最著名的算法就是SIFT(尺度不变特征变换)了。本文作者通过观察发现,在人群计数这一领域,图像不同区域通过resize到相同大小,在尺度上具有高度的视觉相似性。请看下面这幅图:


来自同一幅图像和不同的图像经过resize,子图内的人物大小、人群密度、层叠关系视觉上很相似。
由于神经网络中池化层直接关系到网络的尺度变化,所以本文作者希望改进池化层,提高人群计数的算法性能。
作者在vanilla pooling基础上发明了两种池化层变种,multi-kernel pooling 和 stacked pooling。
multi-kernel pooling图示:


stacked pooling图示:

为验证所提的池化层的有效性,作者们使用VGG-13网络的各种变形来进行人群计数。网络的变化包括卷积核大小,网络宽度、深度等,如下图所示:

作者在ShanghaiTech-A数据集上验证multi-kernel pooling在高密度组比vanilla pooling要好,而在整个ShanghaiTech-B数据集上multi-kernel pooling都是更好的。

使用stacked pooling方法的各种网络变种都在ShanghaiTech数据集上比vanilla pooling好,且具有明显的性能提升。

在WorldExpo’10数据集上大部分场景也取得了更好的效果。

代码主页:
https://github.com/siyuhuang/crowdcount-stackpool

转载请注明:《改进网络尺度不变性提升拥挤人群计数性能(附Github地址)

发表评论