通过像素对像素密度分布建模进行半监督计数

科学领域:

• 计算机视觉 计算机视觉
• 机器学习 机器学习
• 人工智能的人工智能

背景情况:

• 群众计数对于各种应用程序至关重要,但获得完全标记的数据集是具有挑战性的.
• 现有的方法往往在有限的标记数据中扎,这会影响半监督设置中的性能.

研究的目的:

• 开发一种有效的半监督人群计数模型,最大限度地利用有限的标记数据.
• 通过将像素密度视为概率分布来提高人群密度估计的准确性.

主要方法:

• 提出了一种半监督人群计数模型,该模型将像素密度作为概率分布.
• 引入了像素智能分布匹配损失,以比较预测和基准真实密度分布.
• 增强了带有密度令牌的变压器解码器,用于跨不同密度间隔的专业处理.
• 实施了交叉一致性自我监督的学习机制,以从未标记的数据中有效地学习.

主要成果:

• 与最先进的方法相比,拟议的模型表现出优越的性能.
• 在四个基准数据集上的各种标记数据比率中观察到显著的改善.
• 密度回归的概率分布方法在半监督场景中被证明是有效的.

结论:

• 新型的半监督人群计数方法通过分布匹配和专门的变压器增强有效地利用未标记的数据.
• 该方法实现了最先进的结果,为用有限的标记数据进行人群计数提供了强大的解决方案.