TPAMI 2024 | 人群分析的频域广义特征函数损失

题目：Generalized Characteristic Function Loss for Crowd Analysis in the Frequency Domain

人群分析的频域广义特征函数损失

作者：Weibo Shu; Jia Wan; Antoni B. Chan

源码链接： https://github.com/wbshu/Crowd_Counting_in_the_Frequency_Domain

---

摘要

传统的学习方法在提取人群密度图中的监督信息时存在局限性，这些信息通常松散地组织在人群点/密度图中的空间信息中。本文通过在频域内进行监督来应对这一挑战。更具体地说，我们设计了一种新的用于人群分析的损失函数，称为广义特征函数损失（Generalized Characteristic Function Loss，GCFL）。这个损失函数执行两个步骤：1）将密度或点图中的空间信息转换到频域；2）计算它们频域内容之间的损失值。对于第一步，我们通过扩展概率分布的特征函数定义到密度图，并证明扩展特征函数的一些关键性质，从而建立了理论基础。在对密度图取特征函数后，其在频域中的信息被良好地组织和层次化分布，而在空间域中则是松散组织和分散的。在第二步中，