crowd count
文章平均质量分 92
Selieyo
一步一个脚印
展开
-
论文理解Leveraging Unlabeled Data for Crowd Counting by Learning to Rank
论文:Leveraging Unlabeled Data for Crowd Counting by Learning to Rank作者:Xialei Liu、Joost van de Weijer、Andrew D. BagdanovAbstractnovel approach:文中提出一种新方法,在learning-to-rank框架中利用大量可得的无标签人群图像。main idea:通过观...原创 2018-04-01 15:15:38 · 1595 阅读 · 9 评论 -
论文理解《Learning from Synthetic Data for Crowd Counting in the Wild》
CVPR2019 主页:https://gjy3035.github.io/GCC-CL/index.html才发现之前一直看的人群计数总结也是这位作者的:https://github.com/gjy3035/Awesome-Crowd-Counting#GWTA-CCNN ,很赞!解决问题:真实场景中存在多变的环境、更拥挤的人群,现存的方法不能很好解决问题;除此之外,因为数...原创 2019-04-01 10:43:22 · 3072 阅读 · 0 评论 -
论文理解《An Aggregated Multicolumn Dilated Convolution Network for Perspective-Free Counting》
github上有作者的代码https://github.com/diptodip/counting文章发表于CVPR2018看完整体感觉这篇文章更像是MCNN中的卷积层替换成多孔卷积层的一个改动,同时期发表的CSRNet也应用到了多孔卷积的思想。个人认为这篇文章除了网络结构之外,更一大亮点、值得学习的就是作者详尽的实验部分(感觉是看人群计数相关文章中实验部分最详细的hh首先放上网络...原创 2019-03-08 20:46:43 · 423 阅读 · 0 评论 -
论文理解《Stacked Pooling: Improving Crowd Counting by Boosting Scale Invariance》
代码主页:https://github.com/siyuhuang/crowdcount-stackpool解决问题:在池化层上下功夫,解决了图像处理中的多尺度问题;发现:1.在人群计数的图片数据集上,如果将不同区域的图片resize到一定的尺寸,这两个区域会表现出极大的视觉相似性(包括人物大小、人群密度、层叠关系);见下图。2.a larger pooling ran...原创 2018-09-23 09:45:35 · 1034 阅读 · 0 评论 -
论文笔记《Crowd Counting with Deep Negative Correlation Learning》
论文 《Crowd Counting with Deep Negative Correlation Learning》来自CVPR2018论文地址 http://openaccess.thecvf.com/content_cvpr_2018/papers/Shi_Crowd_Counting_With_CVPR_2018_paper.pdf代码 https://github.com/shi...原创 2018-09-20 14:08:35 · 2164 阅读 · 4 评论 -
RankIQA:Learning from Rankings for No-reference Image Quality Assessment
ref: https://zhuanlan.zhihu.com/p/32553977重要:作者首先选择Siamese网络学习出生成数据排序关系的表示特征,然后将训练好的Siamese网络中表示的知识迁移到传统的CNN中,从而估算出单个图像的绝对图像质量。作者还改进了一个比传统Siamese网络更高效的反向传播算法:以前Siamese网络使用成对的样本训练网络,这样有大量样本有重复计算,现在...原创 2018-09-23 13:36:53 · 1025 阅读 · 1 评论 -
论文理解MoC-CNNs
论文理解《Mixture of Counting CNNs: Adaptive Integration of CNNs Specialized to Specific Appearance for Crowd Counting》创新点:使用专门针对特定的外观的多个CNN来预测目标的数量;基于Mixture of Experts(MoE)的思想(ref论文【1】);(有点像Switch CNN?)解...原创 2018-04-26 10:16:59 · 647 阅读 · 0 评论 -
论文理解《A-CCNN: ADAPTIVE CCNN FOR DENSITY ESTIMATION AND CROWD COUNTING》
论文《A-CCNN: ADAPTIVE CCNN FOR DENSITY ESTIMATION AND CROWD COUNTING》创新点:利用上下文信息提供更精确和适应的密度图用于场景中的人群计数;解决问题:物体规模变化较大以及人群之间严重的闭塞造成人群计数是个较为麻烦的问题;提出方法:提出A-CCNN网络——Adaptive Counting CNN背景介绍不过多展开;A-CCNN:如下图f...原创 2018-04-25 21:35:00 · 918 阅读 · 0 评论 -
论文理解《Body Structure Aware Deep Crowd Counting》
论文《Body Structure Aware Deep Crowd Counting》IEEE TRANSACTIONS ON IMAGE PROCESSING创新点:从语义场景分析作为出发点,进行人群计数;包含三个关键因素:行人,头部和他们地上下文结构(context structure);行人的语义结构可以提供更丰富的信息用于行人识别;解决问题:现存的方法,大多是直接模拟行人的整个身体或者只...原创 2018-04-24 13:45:54 · 1041 阅读 · 1 评论 -
论文理解《Dense crowd counting from still images with convolutional neural networks》
论文《Dense crowd counting from still images with convolutional neural networks》创新点:使用深度学习方法估计一张图片中中等、高度拥塞程度的人群;解决问题: 人群计数算法的一些局限性: (1)当人群规模达到成百上千时,这些算法只能用来估计人群密度而不能计算人群总数;(2)通常依赖于人群视频中的时序,但是这点在静止的...原创 2018-04-18 14:17:12 · 665 阅读 · 0 评论 -
论文Depth Information Guided Crowd Counting for Complex Crowd Scenes
Depth Information Guided Crowd Counting for Complex Crowd Scenes摘要出于城市安全的考虑,监控和分析人群拥挤事件是非常重要的。在一张拥塞场景的景深图像(EDOF: extended depth of field)上,人群的分布是很不平衡的。离镜头远的人看起来很小,并且互相之间重合严重,同时离镜头近的人看起来比较大。在这种情况下,使用一种...翻译 2018-03-29 14:50:37 · 1060 阅读 · 3 评论 -
论文《ResnetCrowd: A Residual Deep Learning Architecture for Crowd Counting, Violent Behaviour Detecti》
论文《ResnetCrowd: A Residual Deep Learning Architecture for Crowd Counting, Violent Behaviour Detection and Crowd Density Level Classification》创新点:提出ResnetCrowd,用于人群计数、暴力行为检测和拥塞密度分类的深度残差架构;多任务方法;贡献: ...原创 2018-04-16 11:09:58 · 686 阅读 · 0 评论 -
Crowd Count领域进展分析
本篇博文将以不同论文(本人所看过的论文中)为出发点,分析每篇论文解决的问题、发现的新问题、问题处理的进展以及处理问题的方式是否真的达到预期性能表现;期待能够深入挖掘一些新的问题。人群计数的方法分为传统的视频和图像人群计数算法以及基于深度学习的人群计数算法,深度学习算法由于能够方便高效地提取高层特征而获得优越的性能是传统方法无法比拟的,因此今后高性能的人群计数算法很大程度上会采用深度学习的方法。当然...原创 2018-04-10 20:22:51 · 5522 阅读 · 1 评论 -
论文理解《Class-Agnostic Counting》
code https://github.com/erikalu/class-agnostic-counting解决问题:建立一个适用于任何物体类别的计数模型;解决方法:将计数问题转化为匹配问题,挖掘图的自相似性;主要贡献:1.提出Generic Matching Network(GMN),可按类未知方法进行计数;2.将计数问题重定义为物体匹配问题,可充分利用大量丰富的已标注的视...原创 2019-05-11 14:39:58 · 1985 阅读 · 0 评论