人群计数——Bayes Loss

Bayes Loss

• 人群计数的技术路线：

• 

• Bayes Loss一文中针对损失函数部分进行改进。考虑到传统生成真值图的方法会带来一定的误差，所以直接使用标注点信息。为了将标注点信息与生成的估计密度图上进行数值匹配，故采取贝叶斯估计中后验概率蒙版，与估计密度图相乘再相加，得到一个期望值。这个期望值表示yn在整个密度图中出现的概率。

• 

• 由于期望该点有人的概率是1，因此BayesLoss可以表示为：
  

• 其中E[Cn]的求法如下：

• 
  
  

• 在测试阶段，由于没有标注信息，不知道目标点的空间位置Zn,以及后验概率。但是对E[Cn]进行求和时，可以将两个加法符号互换。故相当于是直接的对估计密度图求和。

• 

• 考虑到背景噪音，将背景噪音作为一个点y0,并且为了得到背景点的空间位置，引入一个动态的背景哑元。

• 

• 总结：两字，优秀！