Focus

Localization in the Crowd with Topological Constraints会议：CVPR 2021论文：https://arxiv.org/pdf/2012.12482.pdf代码：https://github.com/TopoXLab/TopoCount创新点：作者提出了一种新的拓扑方法来解决定位问题，将问题视为预测一个binary mask提出了persistence lossAbstract密集人群的数据集往往是点标注，然而，一个点没有尺度信息，

CANContext-Aware Crowd CountingCVPR 2019洛桑联邦理工学院论文：https://arxiv.org/pdf/1811.10452.pdf代码：https://github.com/weizheliu/Context-Aware-Crowd-CountingInstruction作者提出了一种end2end的网络，它可以在多个感受野（尺度）下进行特征提取，并且学习图像中的重要特征，从而解决快速尺度变化问题。这篇文章是直接将多尺度的上下文信息整合到这个en

Scale Match for Tiny Person DetectionWACV2020中国科学院大学论文：https://arxiv.org/abs/1912.10664代码：https://github.com/ucas-vg/TinyBenchmark创新点：提出了一个称为TinyPerson的新基准，TinyPerson在海上和海滩场景中代表的人分辨率很低，主要是少于20个像素，为长距离和大量背景的微小物体检测打开了一个有希望的方向。提出了一个尺度匹配的方法，使两个数据集之间的特征

MSA-NetMulti-Scale Attention Network for Crowd Counting2019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]M