論文の概要: Counting Like Human: Anthropoid Crowd Counting on Modeling the
Similarity of Objects
- arxiv url: http://arxiv.org/abs/2212.02248v1
- Date: Fri, 2 Dec 2022 07:00:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 17:44:03.895280
- Title: Counting Like Human: Anthropoid Crowd Counting on Modeling the
Similarity of Objects
- Title(参考訳): 人間らしく数える:物体の類似性をモデル化する人類の群集
- Authors: Qi Wang, Juncheng Wang, Junyu Gao, Yuan Yuan, Xuelong Li
- Abstract要約: メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。
これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
- 参考スコア(独自算出の注目度): 92.80955339180119
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The mainstream crowd counting methods regress density map and integrate it to
obtain counting results. Since the density representation to one head accords
to its adjacent distribution, it embeds the same category objects with variant
values, while human beings counting models the invariant features namely
similarity to objects. Inspired by this, we propose a rational and anthropoid
crowd counting framework. To begin with, we leverage counting scalar as
supervision signal, which provides global and implicit guidance to similar
matters. Then, the large kernel CNN is utilized to imitate the paradigm of
human beings which models invariant knowledge firstly and slides to compare
similarity. Later, re-parameterization on pre-trained paralleled parameters is
presented to cater to the inner-class variance on similarity comparison.
Finally, the Random Scaling patches Yield (RSY) is proposed to facilitate
similarity modeling on long distance dependencies. Extensive experiments on
five challenging benchmarks in crowd counting show the proposed framework
achieves state-of-the-art.
- Abstract(参考訳): 主流の群集計数法は密度マップを回帰し、それを統合して計数結果を得る。
1つの頭部に対する密度表現は隣接する分布と一致するため、同一のカテゴリオブジェクトに異種値を埋め込むが、人間の数え上げは不変な特徴、すなわちオブジェクトとの類似性をモデル化する。
そこで我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
まず、スカラー数を監視信号として活用し、同様の問題に対するグローバルかつ暗黙的なガイダンスを提供する。
次に、大きなカーネルcnnを用いて、不変知識をまずモデル化し、類似性を比較するためのスライドを行う人間のパラダイムを模倣する。
その後、事前訓練された並列パラメータのパラメータ再パラメータ化が、類似性比較における内部クラス分散に係わる。
最後に, 長距離依存性に対する類似性モデリングを容易にするために, ランダムスケーリングパッチ(rsy)を提案する。
クラウドカウントにおける5つの挑戦的ベンチマークに関する大規模な実験は、提案したフレームワークが最先端を達成することを示す。
関連論文リスト
- Bayesian Beta-Bernoulli Process Sparse Coding with Deep Neural Networks [11.937283219047984]
深部離散潜在変数モデルに対して近似的推論法が提案されている。
このような深層モデルの離散潜在表現を学習するための非パラメトリック反復アルゴリズムを提案する。
提案手法は,異なる特徴を持つデータセット間で評価し,その結果を現在の補正近似推定法と比較する。
論文 参考訳(メタデータ) (2023-03-14T20:50:12Z) - Parameter Decoupling Strategy for Semi-supervised 3D Left Atrium
Segmentation [0.0]
本稿では,パラメータ分離戦略に基づく半教師付きセグメンテーションモデルを提案する。
提案手法は,Atrial Challengeデータセット上での最先端の半教師付き手法と競合する結果を得た。
論文 参考訳(メタデータ) (2021-09-20T14:51:42Z) - Instance-Level Relative Saliency Ranking with Graph Reasoning [126.09138829920627]
そこで本研究では,有意な事例を分割し,相対的有意な有意なランク順序を推定するための統一モデルを提案する。
また、サラレンシーランキングブランチを効果的にトレーニングするために、新しい損失関数も提案されている。
実験の結果,提案手法は従来の手法よりも有効であることがわかった。
論文 参考訳(メタデータ) (2021-07-08T13:10:42Z) - Learning Disentangled Representations with Latent Variation
Predictability [102.4163768995288]
本稿では,潜在不整合表現の変動予測可能性について述べる。
逆生成プロセス内では、潜時変動と対応する画像対の相互情報を最大化することにより、変動予測可能性を高める。
本研究では,潜在表現の絡み合いを測るために,基礎的構造的生成因子に依存しない評価指標を開発する。
論文 参考訳(メタデータ) (2020-07-25T08:54:26Z) - Evaluating the Disentanglement of Deep Generative Models through
Manifold Topology [66.06153115971732]
本稿では,生成モデルのみを用いた乱れの定量化手法を提案する。
複数のデータセットにまたがるいくつかの最先端モデルを実証的に評価する。
論文 参考訳(メタデータ) (2020-06-05T20:54:11Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z) - Learning from Aggregate Observations [82.44304647051243]
本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。
本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。
単純な極大解は様々な微分可能なモデルに適用できる。
論文 参考訳(メタデータ) (2020-04-14T06:18:50Z) - Pattern Similarity-based Machine Learning Methods for Mid-term Load
Forecasting: A Comparative Study [0.0]
パターン類似性に基づく年次電力需要予測手法について検討した。
モデルの不可欠な部分は、時系列シーケンスのパターンを用いた時系列表現である。
近接モデル,ファジィ近傍モデル,カーネル回帰モデル,一般回帰ニューラルネットワークの4つのモデルを考える。
論文 参考訳(メタデータ) (2020-03-03T12:14:36Z) - An end-to-end approach for the verification problem: learning the right
distance [15.553424028461885]
パラメトリックな擬似距離を導入し、エンコーダと共同で学習することで、メトリック学習の設定を強化する。
まず、仮説テストに使用できる確率比を近似して示す。
提案手法では,実際の距離を持つメートル法学習に比べて,学習の簡易化が図られている。
論文 参考訳(メタデータ) (2020-02-21T18:46:06Z) - Blocked Clusterwise Regression [0.0]
我々は、各ユニットが複数の潜伏変数を持つことを可能にすることで、離散的非観測的不均一性に対する以前のアプローチを一般化する。
我々は,クラスタの過剰な数のクラスタリングの理論に寄与し,この設定に対する新たな収束率を導出する。
論文 参考訳(メタデータ) (2020-01-29T23:29:31Z)
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。