論文の概要: Consistent-Point: Consistent Pseudo-Points for Semi-Supervised Crowd Counting and Localization
- arxiv url: http://arxiv.org/abs/2503.12441v1
- Date: Sun, 16 Mar 2025 10:31:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-18 12:31:06.915380
- Title: Consistent-Point: Consistent Pseudo-Points for Semi-Supervised Crowd Counting and Localization
- Title（参考訳）: 一致点:半監督的集団カウントと局所化のための連続的擬似点
- Authors: Yuda Zou, Zelong Liu, Yuliang Gu, Bo Du, Yongchao Xu,
- Abstract要約: そこで本研究では,コンシスタントポイント(Consistent-Point)と呼ばれる,ポイントローカライズに基づく半教師付きクラウドカウントとローカライズ手法を提案する。
適切な調査が行われていない2つの疑似点の矛盾を特定し,対処する。
提案手法は,群集定位における最先端のパフォーマンスを達成し,また,群集計数の結果も得られた。
- 参考スコア（独自算出の注目度）: 28.018688635859156
- License:
- Abstract: Crowd counting and localization are important in applications such as public security and traffic management. Existing methods have achieved impressive results thanks to extensive laborious annotations. This paper propose a novel point-localization-based semi-supervised crowd counting and localization method termed Consistent-Point. We identify and address two inconsistencies of pseudo-points, which have not been adequately explored. To enhance their position consistency, we aggregate the positions of neighboring auxiliary proposal-points. Additionally, an instance-wise uncertainty calibration is proposed to improve the class consistency of pseudo-points. By generating more consistent pseudo-points, Consistent-Point provides more stable supervision to the training process, yielding improved results. Extensive experiments across five widely used datasets and three different labeled ratio settings demonstrate that our method achieves state-of-the-art performance in crowd localization while also attaining impressive crowd counting results. The code will be available.
- Abstract（参考訳）: クラウドカウントとローカライゼーションは、公共のセキュリティやトラフィック管理といったアプリケーションにおいて重要である。
既存の手法は、広範囲にわたる注記のおかげで、目覚ましい成果を上げている。
本稿では, コンシスタントポイント(Consistent-Point)と呼ばれる, ポイントローカライズに基づく半教師付き群集カウントとローカライズ手法を提案する。
適切な調査が行われていない2つの疑似点の矛盾を特定し,対処する。
位置整合性を高めるため、隣接する補助的提案点の位置を集約する。
さらに、擬似点のクラス整合性を改善するために、インスタンスワイドの不確実性校正を提案する。
より一貫性のある擬似ポイントを生成することで、Consistent-Pointはトレーニングプロセスに対するより安定した監視を提供し、改善された結果をもたらす。
広範に使用されている5つのデータセットと3つの異なるラベル付き比率設定による大規模な実験により,本手法は群集の局所化において最先端のパフォーマンスを達成し,また,群集の数値化結果も得られた。
コードは利用可能です。
関連論文リスト
- Improving Point-based Crowd Counting and Localization Based on Auxiliary Point Guidance [59.71186244597394]
本稿では,提案手法における提案対象マッチングの安定化に有効な手法を提案する。
本稿では,提案手法の選択と最適化のために,Auxiliary Point Guidance (APG)を提案する。
また,多様な群集シナリオにおける適応的特徴抽出を可能にするために,IFI(Implicit Feature Interpolation)を開発した。
論文 参考訳（メタデータ） (2024-05-17T07:23:27Z) - Robust Networked Federated Learning for Localization [7.332862402432447]
本稿では,データを複数のデバイスに分散するフェデレーション環境での非滑らかな近似問題に対処する。
本稿では,分散サブグラディエントフレームワークにおけるロバストな定式化を,これらの障害に対処するために明示的に設計した,$L_$-normを採用する手法を提案する。
論文 参考訳（メタデータ） (2023-08-31T13:54:37Z) - Multi-View Knowledge Distillation from Crowd Annotations for
Out-of-Domain Generalization [53.24606510691877]
本稿では,既存の手法による分布を集約することで,クラウドアノテーションからソフトラベルを取得する新しい手法を提案する。
これらのアグリゲーション手法は、ドメイン外テストセット上の4つのNLPタスクにおいて、最も一貫したパフォーマンスをもたらすことを実証する。
論文 参考訳（メタデータ） (2022-12-19T12:40:18Z) - Consistency-Aware Anchor Pyramid Network for Crowd Localization [167.93943981468348]
クラウドローカライゼーションは、群衆シナリオにおける人間の空間的位置を予測することを目的としている。
本稿では,各画像領域のアンカー密度を適応的に決定するアンカーピラミッド方式を提案する。
論文 参考訳（メタデータ） (2022-12-08T04:32:01Z) - From Keypoints to Object Landmarks via Self-Training Correspondence: A
novel approach to Unsupervised Landmark Discovery [37.78933209094847]
本稿ではオブジェクトランドマーク検出器の教師なし学習のための新しいパラダイムを提案する。
我々はLS3D、BBCPose、Human3.6M、PennActionなどの難解なデータセットに対して本手法の有効性を検証した。
論文 参考訳（メタデータ） (2022-05-31T15:44:29Z) - Rethinking Counting and Localization in Crowds:A Purely Point-Based
Framework [59.578339075658995]
そこで本稿では,共同クラウドカウントと個別ローカライゼーションのための純粋にポイントベースのフレームワークを提案する。
我々は、P2PNet(Point to Point Network)と呼ばれる、このフレームワークの下で直感的なソリューションを設計する。
論文 参考訳（メタデータ） (2021-07-27T11:41:50Z) - Self-Point-Flow: Self-Supervised Scene Flow Estimation from Point Clouds
with Optimal Transport and Random Walk [59.87525177207915]
シーンフローを近似する2点雲間の対応性を確立するための自己教師型手法を開発した。
本手法は,自己教師付き学習手法の最先端性能を実現する。
論文 参考訳（メタデータ） (2021-05-18T03:12:42Z) - A Self-Training Approach for Point-Supervised Object Detection and
Counting in Crowds [54.73161039445703]
本稿では,ポイントレベルのアノテーションのみを用いて訓練された典型的なオブジェクト検出を可能にする,新たな自己学習手法を提案する。
トレーニング中、利用可能なポイントアノテーションを使用して、オブジェクトの中心点の推定を監督する。
実験の結果,本手法は検出タスクとカウントタスクの両方において,最先端のポイント管理手法よりも有意に優れていた。
論文 参考訳（メタデータ） (2020-07-25T02:14:42Z)
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。