MMMar, 2020

基于结构化知识迁移的高效众包计数

PDF
TL;DR提出一种利用结构化知识传输框架的轻量级学生网络来有效解决高计算量和显存消耗，提升推断效率的方法。通过两个互补的传输模块，学生网络可以从教师网络中获取分层和跨层知识来学习紧凑而有效的特征。实验表明，该方法在减少计算成本的情况下仍能显著提高计算速度和准确性。
crowd countingstructured knowledge transferinference efficiencyteacher networkstudent network
发现论文，激发创造
  • 一种用于资源受限人群计数的轻量级特征融合架构

    轻量级模型在人群计数中具有可靠的计算效率和性能，并通过比较研究展现其有效性。

    Jan, 2024

  • 基于回归检测的无监督人群计数 —— 双向知识转移

    本文提出了一种无监督人群计数的传输学习方法，其中通过从标记源集合得到的回归和检测模型双重知识，实现在未标记目标集合上检测和计数人数，并且在标记源集合中训练学习这些模型和转换器，然后竞争性的自我监督学习在目标集合上进行计数。

    Aug, 2020

  • 基于局部约束的空间变形网络用于视频人群计数

    本研究提出一种基于密度图和局部限制空间变换网络（LSTN）的视频人群计数方法，旨在解决人员在场景中移动等因素引起的密度图变化问题，并通过收集包含 15K 帧的大规模视频人群计数数据集来验证该方法的有效性。

    Jul, 2019

  • 基于 Inception 的人群计数 -- 快速而精确

    本文提出了一种基于 Inception-V3 的新方法 ICC 来降低计算量，以提高自动图像人群计数模型的实时性，并在保障公共安全方面具有很高的实用价值。

    Oct, 2022

  • 基于切换卷积神经网络的人群计数

    本文提出了一种新型的人群计数模型，使用带有密度的人群场景提高预测准确性和定位精度的切换卷积神经网络，并通过对所有主要人群计数数据集的广泛实验验证了其比现有最先进的方法具有更好的表现。

    Aug, 2017

  • SYRAC: 合成、排序和计数

    使用潜在扩散模型生成合成数据，通过排名图像对进行预训练，并使用人群数量特征对噪声合成图像拟合线性层，从而实现无监督人群计数的最新结果。

    Oct, 2023

  • TransCrowd：基于 Transformer 的弱监督人群计数

    该论文提出了一种基于 Transformer 的弱监督人群计数方法 TransCrowd，通过自注意力机制实现了语义人群信息的高效提取，在五个基准数据集上获得了比弱监督 CNN 方法更好的性能和与一些流行的全监督计数方法相当的计数性能。

    Apr, 2021

  • 高密度场景下全卷积人群计数

    本文介绍了一种利用计算机视觉技术进行高密度场景下人群计数的方法，使用了全卷积人群计数模型来提高计数准确性和稳健性，并设计了数据增强和多尺度平均等技巧来提高模型的适应性和广泛适用性

    Dec, 2016

  • 上下文感知人群计数

    本文提出了一种端到端的可训练深度结构，该结构利用多个接收场大小获得的特征，并学习每个图像位置上每个特征的重要性，从而适应性地编码了准确预测人群密度所需的上下文信息的尺度，特别是在透视效果强烈时表现优于现有的人群计数方法。

    Nov, 2018

  • 带时间感知网络的快速视频人群计数

    本文提出了基于时间感知建模的人群计数方法，使用了一些扩张残差块，并提出了一个轻量级网络来平衡计算成本和表示能力，实验表明该方法在人群计数领域具有显著的优势。

    Jul, 2019