密集型人脸检测框架设计

稠密人脸检测 Locate, Size and Count: Accurately Resolving People in Dense Crowds via Detection
摘要：
引入了密集人群计数的检测框架，并消除了对普遍密度回归范例的需求。典型的计数模型预测图像的人群密度，而不是检测每个人。通常，这些回归方法无法为除计数以外的大多数应用程序准确地定位人员。因此，我们采用一种架构，定位人群中的每个人，用边界框对斑点头进行大小调整然后对其进行计数。与普通物体或面部检测器相比，在设计这种检测系统时存在某些独特的挑战。其中一些是密集人群中巨大多样性的直接后果，同时需要连续预测盒子。我们解决了这些问题并开发了我们的LSC CNN模型，该模型可以可靠地检测稀疏人群中的人群。 LSC CNN采用多列体系结构，具有自上而下的反馈处理功能，可以更好地解决人员并在多种分辨率下生成精确的预测。有趣的是，建议的训练方案仅需要点头注释，但可以估计头部的近似大小信息。我们表明LSC CNN不仅具有优于现有密度回归器的定位，而且在计数方面也表现优异。

论文地址：https://arxiv.org/pdf/1906.07538.pdf
源码地址：https://github.com/val-iisc/lsc-cnn