目标检测Density-based Object Detection in Crowded Scenes

论文作者：Chenyang Zhao,Jia Wan,Antoni B. Chan

作者单位：City University of Hong Kong

论文链接：http://arxiv.org/abs/2504.09819v1

内容简介：

1）方向：目标检测

2）应用：目标检测

3）背景：在与一般场景相比，拥挤场景包含大量重叠的实例，导致目标检测器在训练时面临更为模糊的锚点，并且推理过程中更多的预测结果可能会被错误地抑制。

4）方法：本文提出了密度引导锚点（DGA）和密度引导非极大值抑制（DG-NMS）两种新策略。具体而言，DGA通过最小运输成本将每个地面真实目标的密度传输到每个锚点位置，从而共同计算最佳锚点分配和重加权策略。DG-NMS则利用预测的密度图自适应调整NMS阈值，减少误抑制现象。在最优传输（UOT）中，专门设计了一种重叠感知的传输成本，用于解决由相邻重叠物体引起的模糊锚点问题。

5）结果：在具有挑战性的CrowdHuman数据集和Citypersons数据集上的大量实验表明，所提出的密度引导检测器在拥挤场景中表现出色且具有鲁棒性。实验结果证明了该方法在处理高密度人群场景时的有效性和可靠性。