人群密度估计--Learning to Count with CNN Boosting

Learning to Count with CNN Boosting ECCV2016

本文使用CNN来进行人群密度估计,主要有两个改进地方:layered boosting and selective sampling

Boosting deep networks : Boosting 在组合学习中是一种知名的贪婪技术。基本的思想就是对前一个分类器的误差训练一个新的分类器来矫正。广义上,当使用多个弱分类器时,Boosting 是最有效的。当 Boosting 强分类器时,效果通常不是很好。特别是只有少数研究尝试 boosting deep neural networks

Sample Selection: 通常训练CNN网络需要利用大的数据库,很多 data augmentation 数据增强的方法被提出用于增加训练数据,但是并不是所有的训练样本是同等创造的,其对模型的贡献也有所不同。 例如文献【19】提出一个样本选择方法用于选择对模型训练最有用的样本。样本的选择通过作为 cascaded architectures 的一个组成部分。

3 Density counting with CNNs 根据图像目标的位置,一般使用一个 normalized 2D Gaussian kernel 生成真值密度图,对于行人我们使用了一个 specific smoothing kernel 人群密度图:

有了密度图,计数就可以通过空间积分实现 spatial integration。 这里有一点需要指出,上面的定义得到的计数和真值总数有一定误差,这个误差主要由那些位于图像边界的物体造成的。但是在大多数应用场合,这个误差可以被忽略不计。

上图分别对应 cell counting crowd counting 两个问题

The proposed boosting scheme

fine-tune the weights of the entire network by employing backpropagation to the resulting structure.

5 Sample Selection

这里我们选择有效样本的基准是根据目前系统的误差,误差太小的样本或误差太大的样本,我们都认为样本的质量越差,误差太小对应样本太简单,误差太大对应样本可能被误标记 samples with either high or low errors are deemed to be of low quality

6 Experiments 细胞计数问题: microscopy dataset

Crowd counting benchmarks UCSD crowd dataset

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

我在谷歌大脑见习机器学习的一年:Node.js创始人的尝试笔记

1303
来自专栏CVer

[计算机视觉论文速递] 2018-03-14

通知:这篇推文有18篇论文速递信息,涉及图像分割、目标检测、图像分类、显著性检测、姿态估计和GAN等方向 前文回顾: [计算机视觉] 入门学习资料 [计算机视...

37715
来自专栏机器之心

教程 | 深度Q学习:一步步实现能玩《毁灭战士》的智能体

选自Medium 作者:Thomas Simonini 机器之心编译 参与:Panda 近年来,深度强化学习已经取得了有目共睹的成功。机器之心也曾发布过很多介绍...

2725
来自专栏机器学习算法与Python学习

干货 | 【深度学习】 在 【推荐算法】 上的应用研究进展

关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第一 【Python】:排名第三 【算法】:排名第四 文章来源:知乎 作者:赵鑫 深度学...

4486
来自专栏AI科技大本营的专栏

Google AI提新型神经网络,对神经元进行高精度自动重建

7 月 16 日, Google AI 发布了一篇博客称,Google Research 部门和 Max Planck 研究所合作提出了一种新型的递归神经网络,...

763
来自专栏IT派

机器学习算法一览

认识人工智能,还需要理清几个概念之间的关系:人工智能是一个大的概念,是让机器像人一样思考甚至超越人类;而机器学习是实现人工智能的一种方法,是使用算法来解析数据、...

672
来自专栏机器之心

ICML 2018 | MILA提出防御增强型网络:简单修改已有网络即可提升防攻击能力

选自arXiv 作者:Alex Lamb, Jonathan Binas, Anirudh Goyal, Dmitriy Serdyuk, Sandeep Su...

2965
来自专栏CSDN技术头条

自然语言处理技术(NLP)在推荐系统中的应用

个性化推荐是大数据时代不可或缺的技术,在电商、信息分发、计算广告、互联网金融等领域都起着重要的作用。具体来讲,个性化推荐在流量高效利用、信息高效分发、提升用户体...

3328
来自专栏奇点大数据

破解PRISMA(下)

经过了两周的各种尝试,在各种及其惨烈的测试结果之后,我们还是在网上找到了相关的Paper作为工作指导。 前两周我们的各种尝试是基于一篇名为《Image Styl...

3347
来自专栏大数据挖掘DT机器学习

基于LSTM搭建一个文本情感分类的深度学习模型:准确率往往有95%以上

基于情感词典的文本情感分类 ? 传统的基于情感词典的文本情感分类,是对人的记忆和判断思维的最简单的模拟,如上图。我们首先通过学习来记忆一些基本词汇,如否定词语...

4604

扫码关注云+社区