論文の概要: Fine-Grained Crowd Counting
- arxiv url: http://arxiv.org/abs/2007.06146v1
- Date: Mon, 13 Jul 2020 01:31:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 23:57:42.063726
- Title: Fine-Grained Crowd Counting
- Title（参考訳）: きめ細かい群衆数
- Authors: Jia Wan, Nikil Senthil Kumar, Antoni B. Chan
- Abstract要約: 現在の群衆カウントアルゴリズムは、画像内の人の数にのみ関係している。
本研究では,各個体の低レベル行動特性に基づいて,群集をカテゴリに分類する,きめ細かい群集カウントを提案する。
- 参考スコア（独自算出の注目度）: 59.63412475367119
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current crowd counting algorithms are only concerned about the number of
people in an image, which lacks low-level fine-grained information of the
crowd. For many practical applications, the total number of people in an image
is not as useful as the number of people in each sub-category. E.g., knowing
the number of people waiting inline or browsing can help retail stores; knowing
the number of people standing/sitting can help restaurants/cafeterias; knowing
the number of violent/non-violent people can help police in crowd management.
In this paper, we propose fine-grained crowd counting, which differentiates a
crowd into categories based on the low-level behavior attributes of the
individuals (e.g. standing/sitting or violent behavior) and then counts the
number of people in each category. To enable research in this area, we
construct a new dataset of four real-world fine-grained counting tasks:
traveling direction on a sidewalk, standing or sitting, waiting in line or not,
and exhibiting violent behavior or not. Since the appearance features of
different crowd categories are similar, the challenge of fine-grained crowd
counting is to effectively utilize contextual information to distinguish
between categories. We propose a two branch architecture, consisting of a
density map estimation branch and a semantic segmentation branch. We propose
two refinement strategies for improving the predictions of the two branches.
First, to encode contextual information, we propose feature propagation guided
by the density map prediction, which eliminates the effect of background
features during propagation. Second, we propose a complementary attention model
to share information between the two branches. Experiment results confirm the
effectiveness of our method.
- Abstract（参考訳）: 現在の群衆カウントアルゴリズムは、群衆の低レベルな詳細な情報を欠いている画像の人数のみを意識している。
多くの実用的な応用において、画像中の人の総数は、各サブカテゴリの人の数ほど役に立たない。
例えば、インラインやブラウジングで待っている人の数を知ることは小売店の助けになり、立っている人や座っている人の数を知ることはレストランやカフェテリアを助ける。
本稿では,個人の低レベルの行動特性(立位・立位・立位・暴力的行動など)に基づいて群集を分類し,各カテゴリーの人数をカウントする細粒度群集計数法を提案する。
この領域の研究を可能にするために, 歩道上, 立位, 座位, 列に並んで待っているか, 暴力的行動を示すかの4つの実世界の細粒度計数タスクの新しいデータセットを構築した。
異なる群集カテゴリーの外観特徴は類似しているため、粒度の細かい群集カウントの課題は、文脈情報を効果的に活用してカテゴリーを区別することである。
本稿では,密度マップ推定枝とセマンティックセグメンテーション枝からなる2つの分岐アーキテクチャを提案する。
2つの分岐の予測を改善するための2つの改良戦略を提案する。
まず、文脈情報をエンコードするために、密度マップ予測によって導かれる特徴伝搬を提案し、伝播中の背景特徴の影響を除去する。
次に,2つのブランチ間で情報を共有するための補完的注意モデルを提案する。
実験結果から本手法の有効性を確認した。
関連論文リスト
- CrowdCLIP: Unsupervised Crowd Counting via Vision-Language Model [60.30099369475092]
監視された群衆のカウントは、高価な手作業によるラベリングに大きく依存している。
本稿では,クラウドカウントのための新しい非教師付きフレームワークであるCrowdCLIPを提案する。
CrowdCLIPは、従来の教師なしの最先端カウント手法と比較して、優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-04-09T12:56:54Z) - Glance to Count: Learning to Rank with Anchors for Weakly-supervised
Crowd Counting [43.446730359817515]
群衆の画像は、おそらくアノテートする最も面倒なデータの一つだ。
本稿では,2つの画像と高コントラスト数の2値ランキングをトレーニング指導として活用する,弱教師付きセッティングを提案する。
本研究では,様々な管理手法の組み合わせを研究するために広範囲な実験を行い,提案手法が既存の弱い監督手法よりも大きなマージンで優れていることを示す。
論文 参考訳（メタデータ） (2022-05-29T13:39:34Z) - CrowdFormer: Weakly-supervised Crowd counting with Improved
Generalizability [2.8174125805742416]
本稿では,ピラミッド・ビジョン・トランスを用いた群集カウント手法を提案する。
我々の手法は,ベンチマーククラウドデータセットの最先端技術に匹敵するものである。
論文 参考訳（メタデータ） (2022-03-07T23:10:40Z) - BBA-net: A bi-branch attention network for crowd counting [25.82337203107288]
現在のCNNに基づく回帰手法は, 歩行者の位置を把握せずに, 歩行者の密度情報を抽出する。
本稿では,3つのイノベーションポイントを持つクラウドカウントのためのバイブランチ注意ネットワーク(BBA-NET)を提案する。
提案手法は,他の最先端手法と比較して,群集カウント誤差を低くする。
論文 参考訳（メタデータ） (2022-01-22T07:30:52Z) - Cascaded Residual Density Network for Crowd Counting [63.714719914701014]
本研究では, 群衆数に対する高品質な密度マップを高精度に作成するために, 粗大なアプローチで新しいカスケード残差密度ネットワーク(CRDNet)を提案する。
新たな局所的カウント損失が示され、群衆カウントの精度が向上する。
論文 参考訳（メタデータ） (2021-07-29T03:07:11Z) - Region-Aware Network: Model Human's Top-Down Visual Perception Mechanism
for Crowd Counting [33.09330894823192]
背景雑音とスケール変動は、群集数で長年認識されてきた一般的な問題である。
本研究では,人間のトップダウン視覚知覚機構をモデル化し,RANetと呼ばれる領域認識ブロックを用いた新しいフィードバックネットワークを提案する。
提案手法は,いくつかの公開データセットにおいて,最先端の群集カウント法より優れる。
論文 参考訳（メタデータ） (2021-06-23T05:11:58Z) - A Study of Human Gaze Behavior During Visual Crowd Counting [40.59955546629333]
視線追跡装置を用いて,群集画像中の人物数をカウントする作業を行う被験者の視線行動を収集した。
視覚的カウントのための一般的なアプローチをいくつか観察する。
カウント精度の面では、現在の最先端のコンピュータアルゴリズムと比較して、人間の参加者はカウントタスクが得意ではない。
論文 参考訳（メタデータ） (2020-09-14T15:05:13Z) - Completely Self-Supervised Crowd Counting via Distribution Matching [92.09218454377395]
我々は,密集した群集数に対するトレーニングモデルに対する完全な自己超越的アプローチを提案する。
トレーニングに必要な入力は、大量の未ラベルの群衆画像以外は、群衆数に近似した上限である。
提案手法は,自然群集が逆伝播の誤り信号を生成するために利用可能な電力法分布に従うという考え方に富む。
論文 参考訳（メタデータ） (2020-09-14T13:20:12Z) - Semi-Supervised Crowd Counting via Self-Training on Surrogate Tasks [50.78037828213118]
本稿では,機能学習の観点から,半教師付き群集カウント問題に取り組む。
本稿では,2つの革新的なコンポーネント上に構築された,新しい半教師付き群集カウント手法を提案する。
論文 参考訳（メタデータ） (2020-07-07T05:30:53Z) - CNN-based Density Estimation and Crowd Counting: A Survey [65.06491415951193]
本稿では,主にCNNに基づく密度マップ推定法において,群集数モデルについて包括的に検討する。
評価指標から, 観客数データセットで上位3人のパフォーマーを選択した。
我々は、今後のクラウドカウントの展開について、合理的な推測と予測を行うことを期待する。
論文 参考訳（メタデータ） (2020-03-28T13:17:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。