crowd counting_[crowd_counting]-SFANet-arxiv1902

1.Network

图1 模型结构总览

（1）backbone用了VGG16，用了BN

（2）整个结构跟UNet很像，上采样没说用的什么

（3）T和H的结构如下：

通过1x1的卷积来减少参数量

图2 T和H模块内部结构图

2.Contribution

其实idea层面上，这算是对segmentation的mask的最典型的应用了，应当等多地关注训练细节

（1）counting ground truth的制作

采用μ=15，σ=4的统一大小的高斯核

（2）segmentation的ground truth的制作

对counting ground truth再进行高斯模糊，

μ=3，σ=2，然后进行阈值过滤，即二值化

阈值th=0.001

（3）训练数据的处理

先将图片进行resize，如果短边<512，就使短边scale到512，如果>512，就不resize，

再进行[0.8,1.2]的随机的scale处理

再随机crop出400x400的patch

然后以0.5的随机概率进行水平翻转

然后进行gamma contrast transfermation，参数范围[0.5,1.5]，概率为0.3

以0.1的概率随机将彩图变黑白

（4）模型参数初始化

除了pre-train的部分，其余部分用N(0,0.01)的高斯分布初始化

（5）loss

Counting loss：

Segmentation loss：

最后加起来：α=0.1

3.Experiment

（1）在ShanghaiTech上的结果

（2）UCF_CC_50

（3）UCSD

4.评价

我挺想复现一下这个paper，可是目前没有可用服务器QAQ，不过这篇paper采用的方法跟我之前自己实验的方法很像，只是我没有用那么多数据增强的方法，导致我自己实验效果差很可能使trainingdb本身d的问题。