雷鋒網(wǎng) AI 科技評論按：本文作者為美國伊利諾伊大學(xué)（UIUC）張曉帆，他為 AI 科技評論撰寫了基于 CVPR 錄用論文《CSRNet: Dilated Convolutional Neural Networks for Understanding the Highly Congested Scenes》的獨家解讀稿件，未經(jīng)許可不得轉(zhuǎn)載。

論文地址：https://arxiv.org/pdf/1802.10062.pdf

來自北京郵電大學(xué)和美國伊利諾伊大學(xué)（UIUC）的研究者們提出一種適用于密集人群計數(shù)的空洞卷積神經(jīng)網(wǎng)絡(luò)模型 CSRNet。該網(wǎng)絡(luò)模型擺脫以往廣泛應(yīng)用于人群計數(shù)的多通道卷積網(wǎng)絡(luò)方案，在大幅削減網(wǎng)絡(luò)參數(shù)量和網(wǎng)絡(luò)訓(xùn)練難度的同時，顯著提升了人群計數(shù)的精度和人群分布密度圖的還原度。該研究已被 CVPR 2018 接收。

人群計數(shù)和人群密度估計有著重要的安防應(yīng)用場景。隨著城市人口的日益增長，在地鐵站，商場，各種節(jié)日集會中，超額聚集的人群帶來潛在危險，極容易造成踩踏、騷亂等悲劇。因此，人群計數(shù)和人群的密度分布估計成為安防領(lǐng)域的熱門課題。近年來，人群計數(shù)的算法性能在與深度學(xué)習(xí)的結(jié)合下得到了很大的提升。

人群計數(shù)的目的是找出特定場景中的人數(shù)，而人群密度分布估計需要獲取空間密度信息和人數(shù)（密度圖求和）。人群計數(shù)的難點在于，場景的變化跨度大，目標(biāo)的尺度變化不盡相同，人和人、人和景物之間存在不同程度的遮擋等等。如圖 1 所示，三張圖均包含了 95 人，但是他們的空間分布完全不同。

圖 1 人群計數(shù)場景

作者研究發(fā)現(xiàn)，被廣泛運用在人群計數(shù)上的多通道卷積網(wǎng)絡(luò)（MCNN）存在著結(jié)構(gòu)冗余、參數(shù)繁多、訓(xùn)練困難的局限性。此類多通道卷積網(wǎng)絡(luò)在不同通道上采取大小不等感受域的卷積網(wǎng)絡(luò)，以適應(yīng)不同場景（如高、中、低密集程度）的人群計數(shù)需要。但研究發(fā)現(xiàn)，不同通道學(xué)習(xí)到的特征重合度很高（圖 2），并沒有因場景密集程度不同而出現(xiàn)明顯差異。多通道網(wǎng)絡(luò)表現(xiàn)冗余。為作對比，作者采用一個參數(shù)更少、更深層、更易訓(xùn)練的單通道卷積網(wǎng)絡(luò)（A deeper CNN），獲得比多通道網(wǎng)絡(luò)更好的效果（表 1）。

 

圖 2 多通道卷積網(wǎng)絡(luò)中的大、中、小通道在 ShanghaiTech PartA 中的測試表現(xiàn)相似

 表 1 更深的單通道卷積網(wǎng)絡(luò)使用較少參數(shù)卻在 ShanghaiTech PartA 中獲得更小誤差

此外，作者為了避免過度使用降采樣而導(dǎo)致密度圖的分辨率損失，在網(wǎng)絡(luò)的后半部分引入了空洞卷積層，利用空洞卷積增大感受域并維持分辨率（圖 3），并提出 CSRNet 網(wǎng)絡(luò)模型（表 2）。CSRNet 后端四組不同的配置在 ShanghaiTech PartA 中性能測試如表 3。

圖 3 使用卷積+池化+上采樣（上）與空洞卷積（下）輸出同樣分辨率圖像，空洞卷積可保留更多圖像細節(jié)

 表 2 CSRNet 網(wǎng)絡(luò)結(jié)構(gòu)，卷積以參數(shù)命名為（conv kernel size – channel – dilation rate）

 表 3 CSRNet 的四種后端配置在人群計數(shù)中精度對比，其中方案 B 精度最高

由于采用比多通道網(wǎng)絡(luò)更簡單的結(jié)構(gòu)，CSRNet 在訓(xùn)練時可直接采用端到端訓(xùn)練并快速復(fù)現(xiàn)實驗結(jié)果，也可利用遷移學(xué)習(xí)提高訓(xùn)練效果。得益于簡單、規(guī)整的網(wǎng)絡(luò)結(jié)構(gòu)，CSRNet 對硬件實現(xiàn)更加友好，可以高效地部署在物聯(lián)網(wǎng)設(shè)備中。

實驗表明，CSRNet 在四個公開人群數(shù)據(jù)集（ShanghaiTech dataset、the UCF CC 50 dataset、the WorldEXPO'10 dataset、the UCSD dataset）和一個車輛數(shù)據(jù)集（TRANCOS dataset）上均達到了最高水平的精確度（State-of-the-art Performance），詳見表 4 至表 8。

表 4 ShanghaiTech 數(shù)據(jù)集測試結(jié)果

 表 5 UCF CC 50 數(shù)據(jù)集測試結(jié)果

 表 6 WorldExpo' 10 數(shù)據(jù)集測試結(jié)果

表 7 UCSD 數(shù)據(jù)集測試結(jié)果

表 8 TRANCOS 數(shù)據(jù)集測試結(jié)果

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。