[MSA-Net]Multi-Scale Attention Network学习笔记

MSA-Net

Multi-Scale Attention Network for Crowd Counting

2019

作者：亚马逊

论文：https://arxiv.org/abs/1901.06026

创新点：

• 在backbone中就产生了多尺度的density map，经过上采样后，加入软注意力机制进行加权叠加。
• 提出了一个scale-aware loss，但是实验结果好像表明效果不大。

Baseline network for crowd counting

一个关于密度图的解释[链接]

MSA-Net的baseline network由三部分组成：

• backbone
• regression head
• 上采样层

图片输入到backbone中，经过下采样卷积，得到一个大感受野但分辨率只有原图$\frac{1}{16}$的feature map。之后输送到regression head中生成density map，regression head是输出单通道的卷积操作，经过上采样，产生一样大小的density map。其中所有的上采样都采用双线性插值bilinear。

训练时的Loss选取的是pixel-wise Euclidean Loss：

作者使用了MCNN的方法来生成GT的密度图，用高斯核来对每个人头进行模糊处理。

Scale-aware soft attention masks

在网络的前向传递过程中，每一层都产生density map，最后合并成一个。为了进行密度图的合并，作者在每一个尺度都加入了软注意力机制，具体来讲就是用相应的mask M M