人群密度估计

DecideNet: Counting Varying Density Crowds Through Attention Guided Detection and Density Estimation CVPR2018

本文针对人群密度问题 将 检测方法和回归方法结合到一起，以此来提升人群密度估计精度

人群密度估计问题目前主要的方法有基于检测的和基于回归的方法。我们发现这两种方法各有所长。在人群密度小的时候，基于检测的方法效果更好。在人群密度较大的时候，基于回归方法的效果比较好。

这里写图片描述

这里写图片描述

本文的思路就是将 检测方法和回归方法结合起来，各取所长。

本文提出的网络 DecideNet

这里写图片描述

该网络包括三个部分： 回归子网络，检测子网络，权重系数子网络

回归子网络 3.2. The RegNet block

这里写图片描述

检测子网络 3.3. The DetNet block

这里写图片描述

该网络可以看作是将 Faster-RCNN 应用到人头检测，在网络后面加了一个 Gaussian convolutional layer 将检测框转为密度图

权重系数子网络 3.4. Quality-aware density estimation 我们对一幅图像，有两个密度图，如何将这两个密度图融合起来了？这里我们使用一个小网络来学习这个权重系数

这里写图片描述

4 Model Learning 这里主要定义了损失函数， 将其定义为 multi-task learning problem

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

5 Experimental Results

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述

这里写图片描述