論文の概要: Scale-Aware Network with Regional and Semantic Attentions for Crowd Counting under Cluttered Background

• arxiv url: http://arxiv.org/abs/2101.01479v2
• Date: Thu, 7 Jan 2021 11:55:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 18:21:54.910652
• Title: Scale-Aware Network with Regional and Semantic Attentions for Crowd Counting under Cluttered Background
• Title（参考訳）: 雑多な背景下での群衆カウントのための地域的・意味的注意を伴うスケールアウェアネットワーク
• Authors: Qiaosi Yi, Yunxing Liu, Aiwen Jiang, Juncheng Li, Kangfu Mei, and Mingwen Wang
• Abstract要約: 本稿では,地域的,意味的に注意を向けるスケールアウェア群数ネットワーク(saccn)を提案する。 提案するsaccnは,地域的・意味的自己照査機構を適用し,群衆と背景を区別する。 すべてのコードと事前トレーニングされたモデルはすぐにリリースされる。
• 参考スコア（独自算出の注目度）: 7.108205342578417
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Crowd counting is an important task that shown great application value in public safety-related fields, which has attracted increasing attention in recent years. In the current research, the accuracy of counting numbers and crowd density estimation are the main concerns. Although the emergence of deep learning has greatly promoted the development of this field, crowd counting under cluttered background is still a serious challenge. In order to solve this problem, we propose a ScaleAware Crowd Counting Network (SACCN) with regional and semantic attentions. The proposed SACCN distinguishes crowd and background by applying regional and semantic self-attention mechanisms on the shallow layers and deep layers, respectively. Moreover, the asymmetric multi-scale module (AMM) is proposed to deal with the problem of scale diversity, and regional attention based dense connections and skip connections are designed to alleviate the variations on crowd scales. Extensive experimental results on multiple public benchmarks demonstrate that our proposed SACCN achieves satisfied superior performances and outperform most state-of-the-art methods. All codes and pretrained models will be released soon.
• Abstract（参考訳）: クラウドカウンティングは,近年注目度が高まっている公共安全関連分野において,大きな応用価値を示す重要な課題である。 本研究は, 人口数と人口密度推定の精度が主な関心事である。 深層学習の出現はこの分野の発展を大いに促進してきたが、乱雑な背景下での群集数えは依然として深刻な課題である。 この問題を解決するために,地域的・意味的な注意を喚起したSACCN(ScaleAware Crowd Counting Network)を提案する。 提案するsaccnは,浅層と深層にそれぞれ局所的および意味的自己付着機構を適用し,群集と背景を区別する。 さらに,非対称多スケールモジュール (AMM) はスケールの多様性の問題に対処するために提案され,また,群集スケールの変動を軽減するために,地域的注目度に基づく高密度接続とスキップ接続が設計されている。 複数の公開ベンチマークにおける広範囲な実験結果から,本提案手法は優れた性能を達成し,最先端手法を上回っています。 すべてのコードと事前訓練されたモデルがまもなくリリースされる。

関連論文リスト

• Robust Zero-Shot Crowd Counting and Localization With Adaptive Resolution SAM [55.93697196726016]
  本稿では,SEEM(Seegment-Everything-Everywhere Model)を用いた簡易かつ効果的な群集カウント手法を提案する。 密集した群集シーンにおけるSEEMの性能は,高密度領域の多くの人々が欠落していることが主な原因である。 提案手法は,群集カウントにおいて最高の教師なし性能を実現すると同時に,いくつかの教師付き手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2024-02-27T13:55:17Z)
• Redesigning Multi-Scale Neural Network for Crowd Counting [68.674652984003]
  本稿では, 集団カウントのための多スケール密度マップを階層的にマージする, 密度専門家の階層的混合を導入する。 階層構造の中では、すべてのスケールからの貢献を促進するために、専門家の競争とコラボレーションのスキームが提示されます。 実験の結果,提案手法は5つの公開データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-08-04T21:49:29Z)
• Crowd counting with segmentation attention convolutional neural network [20.315829094519128]
  我々はSegCrowdNetと呼ばれる新しい畳み込みニューラルネットワークアーキテクチャを提案する。 SegCrowdNetは人間の頭領域を適応的に強調し、セグメント化によって非頭領域を抑圧する。 SegCrowdNetは最先端のメソッド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） (2022-04-15T08:40:38Z)
• Boosting Crowd Counting via Multifaceted Attention [109.89185492364386]
  大規模なバリエーションは、しばしば群衆画像の中に存在する。 CNNの固定サイズ畳み込みカーネルも、最近の視覚変換器の固定サイズアテンションも、このような変動には対処できない。 局所空間関係符号化におけるトランスフォーマーモデルを改善するための多面的注意ネットワーク(MAN)を提案する。
  論文  参考訳（メタデータ） (2022-03-05T01:36:43Z)
• Scene-Adaptive Attention Network for Crowd Counting [31.29858034122248]
  本稿では,シーン適応型アテンションネットワークであるSAANetを提案する。 本研究では,変形可能なサンプリング位置と動的注意重みを持つ適応的特徴表現を学習するトランスフォーマーバックボーンの設計を行う。 我々は,4つの挑戦的群集カウントベンチマークについて広範な実験を行い,その手法が最先端のパフォーマンスを達成できることを実証した。
  論文  参考訳（メタデータ） (2021-12-31T15:03:17Z)
• 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)
• PSCNet: Pyramidal Scale and Global Context Guided Network for Crowd Counting [44.306790250158954]
  本稿では,ピラミッドスケールモジュール (PSM) とグローバルコンテキストモジュール (GCM) に基づく新しい群集カウント手法を提案する。 PSMは、異なる画像スケールの群衆の境界を識別できる多スケール情報を適応的にキャプチャするために使用される。 GCMは、機能マップのチャネル全体のインタラクティブな情報をより効率的にするために、低複雑さと軽量な方法で考案されています。
  論文  参考訳（メタデータ） (2020-12-07T11:35:56Z)
• Shallow Feature Based Dense Attention Network for Crowd Counting [103.67446852449551]
  静止画像から群衆を数えるためのShallow機能に基づくDense Attention Network (SDANet)を提案する。 提案手法は,SDANetの11.9%の平均絶対誤差(MAE)低下から明らかなように,既存の手法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2020-06-17T13:34:42Z)
• Crowd Counting via Hierarchical Scale Recalibration Network [61.09833400167511]
  本稿では,群集カウントの課題に取り組むために,階層型大規模校正ネットワーク(HSRNet)を提案する。 HSRNetは、リッチなコンテキスト依存をモデル化し、複数のスケール関連情報を再検討する。 提案手法は,様々なノイズを選択的に無視し,適切な群集スケールに自動的に焦点を合わせることができる。
  論文  参考訳（メタデータ） (2020-03-07T10:06:47Z)

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。