scale-Aware Attention network for crowd counting论文笔记

arXiv：https://arxiv.org/abs/1901.06026

摘要：在人群计数的数据集中，人们以不同的尺度（scales)出现，具体取决于他们与摄像头的距离。为了解决这个问题，我们提出了一种新的多分支尺度感知注意网络，它利用卷积神经网络的层次结果，并在单个前向传播中生成来自架构不同层的多尺度密度预测。为了将这些maps聚合到我们的最终预测总，我们提出了一种新的soft注意力机制，其可以学习一组gating masks.此外，我们引入了规模感知损失函数来规范不同分支的训练并指导他们专门研究特定的尺度。由于这种新训练需要对每个头部的大小进行ground-truth标注，我们还提出了一种简单有效的计数来自动估计它。最后，我们对每个部分进行ablation study, 并将我们的方法与4个人群计数数据集的文献进行比较：UCF-QNRF，ShanghaiTech A&B和ucf_cc_50.试验结果表明，我们的方法在这些数据集上取得最先进技术的的水平。我们观察到UCF-QNRF显著提高（25%），其他显著提高（约10%）