2016Single-Image Crowd Counting via Multi-Column Convolutional Neural Network论文笔记

Abstract

1.单张图片、任意人群密度、任意视角
2.提出MCNN网络将图片映射到人群密度图
3.输入图片任意大小、任意分辨率，利用不同尺寸的感受野适应视角影响、图片任意分辨率。
4.基于几何自适应核计算密度图（改进密度图）

1.Introduction

Related work

别人的方法

1.较早的方法：帧间探测器detector，基于外表、运动特征
缺点：遮挡严重、人群密集不适用。
2.簇轨迹，基于跟踪视觉特征
KTL跟踪器+聚类；
缺点：不能计算静止人群。
3.基于特征回归：
主要步骤：1)前景分割；2）提取前景特征（面积特征、边缘特征、纹理特征）；3）利用回归函数估计人群数。线性函数或分段线性函数是针对简单的模型，可以产生良好的性能。还有Ridge regression（RR）、Gaussian process regression（GPR）和神经网络（NN）。
4.针对静止图片的人群计数
【12】利用多信息源估算单张图片极其密集的人数，并提出UCF_CC_50数据集（50张图片标注64000人）；【2】接着将来自多源信息，即兴趣点(SIFT)、傅里叶分析、小波分解、GLCM特征和低信任度探测仪；【28】利用预训练CNN提取的特征训练SVM。
5.近来Zhang【33】提出了针对不同场景的CNN方法。选择相似场景的图片微调网络。
缺点：训练集和测试集都需要透视图，而透视图是不易得到的。

自己的方法

面临的挑战：

1.前景分割不好，会影响人群计数。
2.遮挡严重，人群密度分布变化大，致使基于检测的方法效果不好。
3.人群尺度变化，我们使用的是不同尺寸大小的特征。由于不同的尺寸，很难人工标注特征，必须自动学习特征。

受【8】（用多列深度网络进行分类）启发，提出MCNN方法。他们的模型进行训练根据不同方法取得列数不同。我们是有三列，每列的卷积核不同大小。输入是一张图片，输出是对应的人群密度图，积分得到人数。
论文贡献：

1. 三列中不同大小（大、中、小）感受野的滤波器解决不同尺度的人头大小和图片分辨率的问题。
2. MCNN中我们用1*1卷积核的卷积层代替全连接层，使得输入图片是任意大小。
3. 提出Shanghaitech数据集，因为已有的数据集不满足不同场景的要求。（大约1200张图片，33万人有标签）。数据集包含两部分Part A and Part B，其中Part A是从网上找的&#