ECCV 2016 Hydra CCNN

Towards perspective-free object counting with deep learning，这是一篇发在ECCV 2016上的论文，提出一种多输入的CNN模型来解决Object Counting的问题。

Object Counting

定义

给定一张图片，输出图片中目标对象的个数，比如下面两张图，左图有36个车，右图有8个猪

常用方法

  • Counting by detection

    用检测器去检测图中有多少个对象，检测到多少个就认为是多少个

检测有三种方法，整体的检测（图a，检测整个人），部分的检测（图b，检测头），形状的匹配（图c，人的形状抽象成几何图形）

  • Counting by Clustering

  • 在摄像头捕捉到的连续视频帧里，目标移动时，在多个帧之间的位置比较相近，将这些运动物体在多帧图片之间做聚类，聚类中心的个数就是目标的个数
  • 不适用于静止物体
  • 优点：无监督

更多细节可看Related work部分的参考文献

  • Counting by Regression

  • 给定输入图片，ROI，透视图（场景中由远及近的几何关系，用于缩放对象）
  • 提取特征（背景分离，边缘检测，纹理识别）
  • 学习一种映射，将特征回归到对象数量上

回归又分两种，

  • 回归对象数量
  • 回归对象密度图

具体讲一下对象密度图：

  • 先给出原图和目标对象的坐标（可以根据坐标画出质心图）

  • 对质心图做一个高斯滤波，可以得到密度图，作为回归的目标，对质心图进行求和，反过来可以得到目标的数量

进入正题，Hydra CCNN

  • 方法： 回归密度图，多尺度输入组合
  • 优势：不需要透视图，多尺度鲁棒性，训练简单，误差小

CCNN(Counting CNN)

  • Regression: 用一个CNN将原始图像映射为对象密度图

其中P是image patch，是CNN参数

  • Conv1, Conv2, Conv3后面都跟着一个max pooling层
  • Conv4和Conv5都是卷积层（比全连接层更快，参数更少）
  • 对比论文中提到的另一种方法：Zhang et al：卷积后接全连接层，损失为密度图和数量的回归误差，两个损失交替进行优化，CCNN更快，并且训练更简单。
  • Loss： ，gt是ground truth的意思，这个损失就是求每张图的密度图的预测插值的l2模，然后求平均，N为图片数量
  • 训练：滑动窗口将图片划分为多个网格，对每个网格做回归，将回归的密度图拼接成一个完整尺寸的密度图

Hydra CCNN

Hydra: 海德拉是希腊神话中的九头蛇

  • Motivation: 多尺度范围内的对象大小不同，会导致计数出错
  • Solution: 用多个CCNN各自回归多个尺度的密度图，组合成最终密度图

举个例子：n=3时，也就是回归三个尺度的密度图，

  • S0: 整个patch（不是整张图，是一个patch，前面讲了会做滑窗划分）
  • S1：在中间抠出面积为2/3的图
  • S2：在中间抠出面积为1/3的图

私以为这个地方还有改进空间

实验结果

数据集

  • TRANCOS（汽车），UCSD（行人），UCF_CC_50（行人）
  • 评价指标：
    • MAE（Mean Absolute Error）
    • GAME(Grid Average Mean Absolute Error)：GAME(L) = \frac{1}{N}\sum{n=1}^{N}\sum{l=1}^{4^L}|D{I_n}^{l}-D{I_n^{gt}}^{l}|
      • N是图片总数
      • L: 对于每张图，划分成个小格，计算每个小格的误差
      • L为0时就是MAE

results matching ""

    No results matching ""