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?