Hierarchical pyramid attentive network with spatial separable convolution for crowd counting【即插即用】

Hierarchical pyramid attentive network with spatial separable convolution for crowd counting(基于空间可分离卷积的人群计数分层金字塔关注网络)
2022发布在Engineering Applications of Artificial Intelligence。
未开源

摘要

为了解决人群计数任务中具有挑战性的尺度变化问题，提高计数精度，提出了一种基于层次金字塔关注网络(HPANet)的人群计数新方法。具体而言，设计了一个尺度感知的金字塔关注(SPA)块，提取丰富的多尺度上下文，以两分支空间可分卷积为核心组件，取代传统的核尺寸更大的纯卷积来减少计算量，并对空间特征聚合采用自关注操作。为了进一步从输入图像中更好地学习尺度感知特征表示，我们将设计的SPA块分层堆叠，并灵活融合其特征，作为HPANet的另一个关键模块——层次化特征融合(HFF)模块。结合所设计的SPA模块和HFF模块，开发的HPANet可以通过强大的尺度感知特征表示来解决尺度变化问题，从而提高计数性能。本文在上海科技、Mall、北京BRT和UCF-QNRF四个公共基准数据集上对HPANet的性能进行了评估。大量的基准实验结果表明，所提出的HPANet可以有效地进行人群计数，而消蚀实验结果验证了HPANet组件在计数任务上的有效性。所设计的HPANet在不需要为多柱结构引入过多的附加参数的情况下，在缓解尺度变化问题的基础上实现了较好的计数性能。

框架