Density简记-Scale-Aware Attention Network for Crowd Counting

创新点

1.多分支尺度感知注意网络
2.尺度感知的注意力机制
3.尺度感知的loss
4.新的方法估计图片中人头尺寸

总结

基础网络：

图片-》backbone-》回归（密度估计）-》双线性上采样（尺寸相同）
loss：欧式距离
MCNN产生密度图的GT，并用高斯核模糊图片。

尺寸感知的软注意力机制：

Mk表示对应密度图的每个像素的权重。Dk表示第k个密度估计图
Mk是如何产生的呢？是backbone的最后的卷积特征经过attention head并上采样，softmax得到的。loss也是欧式距离。

尺度感知的loss：
简单来讲，每一层的密度图估计一定大小范围内的人头。将这个范围内的人头看作GT，其他不符合大小的人头看作背景。本质上是尺度感知的欧式距离。
至于范围是怎么确定的，看原文吧，有点饿了，看不动了。很传统的方法。

实验效果很好，state of art，而且是在四个数据库上。

最后

文中有些地方讲的还不是很细，比如regression head 是怎么回事？网络最后为什么还有一个四倍的上采样？