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
首先放上网络结构:
直接采用多列框架进行多尺度信息提取,利用多孔卷积增大感受野;
其次是作者提出的目标函数,不同于以往的MSE,在这里直接选择了绝对值求LOSS,并对真实Label进行加权;
最后实验部分,建议大家可以看看这一块;同时在对比试验上,呼应文章标题,对是否使用数据集中的perceptive information进行了一些对照实验,表现这个网络在没用透视信息的情况下也能表现很好。