論文の概要: Cascaded Residual Density Network for Crowd Counting
- arxiv url: http://arxiv.org/abs/2107.13718v1
- Date: Thu, 29 Jul 2021 03:07:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-30 21:32:31.377401
- Title: Cascaded Residual Density Network for Crowd Counting
- Title（参考訳）: 群衆カウントのためのカスケード残留密度ネットワーク
- Authors: Kun Zhao, Luchuan Song, Bin Liu, Qi Chu, Nenghai Yu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 63.714719914701014
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Crowd counting is a challenging task due to the issues such as scale
variation and perspective variation in real crowd scenes. In this paper, we
propose a novel Cascaded Residual Density Network (CRDNet) in a coarse-to-fine
approach to generate the high-quality density map for crowd counting more
accurately. (1) We estimate the residual density maps by multi-scale pyramidal
features through cascaded residual density modules. It can improve the quality
of density map layer by layer effectively. (2) A novel additional local count
loss is presented to refine the accuracy of crowd counting, which reduces the
errors of pixel-wise Euclidean loss by restricting the number of people in the
local crowd areas. Experiments on two public benchmark datasets show that the
proposed method achieves effective improvement compared with the
state-of-the-art methods.
- Abstract（参考訳）: 実際の群衆シーンにおけるスケールのばらつきや視点のばらつきといった問題のために、群衆のカウントは難しい課題である。
本稿では, 群衆数に対する高品質な密度マップを高精度に生成するために, 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。
1) 逐次的残留密度加群による多スケールピラミッド型特徴量による残留密度マップの推定。
密度マップ層の層別品質を効果的に向上することができる。
2) 局所的なカウントロスを新たに加えることにより, 局所的なカウントの精度を向上し, 局所的な人数を制限し, 画素単位のユークリッド的損失の誤差を低減した。
2つの公開ベンチマークデータセットの実験により,提案手法は最先端の手法と比較して効果的な改善が得られた。
関連論文リスト
- Diffusion-based Data Augmentation for Object Counting Problems [62.63346162144445]
拡散モデルを用いて広範なトレーニングデータを生成するパイプラインを開発する。
拡散モデルを用いて位置ドットマップ上に条件付き画像を生成するのはこれが初めてである。
提案した拡散モデルにおけるカウント損失は,位置ドットマップと生成した群集画像との差を効果的に最小化する。
論文 参考訳（メタデータ） (2024-01-25T07:28:22Z) - Progressive Multi-resolution Loss for Crowd Counting [126.01887803981619]
一つの解像度で密度マップを推定するが、複数の解像度で密度マップを計測する。
数学的に一分解能L2損失よりも優れていることを証明する。
論文 参考訳（メタデータ） (2022-12-08T07:55:13Z) - Semi-supervised Crowd Counting via Density Agency [57.3635501421658]
我々は、学習可能な補助構造、すなわち密度エージェンシーを構築し、認識された前景の地域特徴を対応する密度サブクラスに近づける。
第2に,バックボーン特徴抽出器を統合するために,密度誘導型コントラスト学習損失を提案する。
第3に,前景の機能を改良するためにトランス構造を用いて回帰ヘッドを構築する。
論文 参考訳（メタデータ） (2022-09-07T06:34:00Z) - 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) - Reciprocal Distance Transform Maps for Crowd Counting and People
Localization in Dense Crowd [16.224760698133462]
本稿では,クラウドカウントのためのReciprocal Distance Transform (R-DT) マップを提案する。
密度マップと比較すると、r-dtマップは人口の位置を正確に記述しており、密度の高い地域で近くの頭部が重なり合うことはない。
密度マップをR-DTマップに置き換えることで、クラウドカウントと人々のローカリゼーションを同時にシンプルなネットワークで実現します。
論文 参考訳（メタデータ） (2021-02-16T02:25:55Z) - A Strong Baseline for Crowd Counting and Unsupervised People
Localization [2.690502103971799]
本研究では,クラウドカウントのための強力なベースラインと,推定密度マップに基づく非教師なしの人物ローカライゼーションアルゴリズムについて検討する。
さまざまなバックボーンを収集して,その変更の影響を評価します。
そこで本研究では,KMeansと命名されたクラスタリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-07T08:29:03Z) - Coarse- and Fine-grained Attention Network with Background-aware Loss
for Crowd Density Map Estimation [2.690502103971799]
CFANetは、高品質な群衆密度マップを生成する新しい方法であり、人を数える。
集合領域認識器 (CRR) と密度レベル推定器 (DLE) を結合して, 粗大から細大に進行する注意機構を考案する。
提案手法は,従来の最先端手法をカウント精度で上回るだけでなく,密度マップの画質の向上や,誤認識率の低減にも寄与する。
論文 参考訳（メタデータ） (2020-11-07T08:05:54Z) - JHU-CROWD++: Large-Scale Crowd Counting Dataset and A Benchmark Method [92.15895515035795]
我々は、"4,372"イメージと"1.51万"アノテーションを含む、新しい大規模非制約クラウドカウントデータセット(JHU-CROWD++)を導入する。
本稿では, 残差誤差推定により, 群集密度マップを段階的に生成する新しい群集カウントネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-07T14:59:35Z) - PDANet: Pyramid Density-aware Attention Net for Accurate Crowd Counting [7.02081613648832]
関心領域内の群衆密度の大規模な変動のため、群衆カウントは依然としてオープンな現実の問題である。
PDANetと略される新しいピラミッド密度認識型ネットワークを提案する。これは、注目度、ピラミッドスケール機能、および2つの分岐デコーダモジュールを活用して、密度認識型クラウドカウントを行う。
論文 参考訳（メタデータ） (2020-01-16T04:26:05Z)
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。