文献

J-GLOBAL ID：202002217118948883   整理番号：20A0833298

スケールへの学習:群衆計数のための多重極正規化密度マップの生成【JST・京大機械翻訳】

Learn to Scale: Generating Multipolar Normalized Density Maps for Crowd Counting

著者 (6件)： Xu Chenfeng (Huazhong University of Science and Technology) ,  Qiu Kai (Microsoft Research) ,  Fu Jianlong (Microsoft Research) ,  Bai Song (University of Oxford) ,  Xu Yongchao (Huazhong University of Science and Technology) ,  Bai Xiang (Huazhong University of Science and Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCV  ページ： 8381-8389  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高密度群衆計数は画像から数千の人間のインスタンスを予測することを目的としている。既存のアプローチは,主に極端な密度変化を被っている。このような密度パターンのシフトは,マルチスケールモデルの集合に対してさえも課題を提起する。本論文では,この問題に取り組むための簡単ではあるが効果的な手法を提案した。最初に,パッチレベル密度マップを密度推定モデルにより抽出し,さらに完全データセット上で決定されるいくつかの密度レベルにグループ化した。第二に,各パッチ密度マップを,多重極中心損失を有するオンライン中心学習戦略によって自動的に正規化した。このような設計は,密度分布をいくつかのクラスタに著しく凝縮させることができ,密度分散が単一モデルによって学習できることを可能にする。広範な実験により,提案した方法の優位性を実証した。著者らの研究は,MAEにおける最先端の4.2%,14.3%,27.1%,および20.1%の性能を,それぞれ,ShanhaiTechパートA,ShanhaiTechパートB,UCF_CC_50,およびUCF-QNRFデータセットにおいて上回っている。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： クラスタ ,  *正規化 ,  *多重極 ,  密度分布 ,  *学習
準シソーラス用語： 学習戦略 ,  オンライン ,  推定モデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： スケール ,  学習 ,  計数 ,  多重極 ,  正規化 ,  密度 ,  マップ