2019 CVPR oral
Abstract
在這項工作中，我們提出了一個新的深度檢測網絡，只需要點監督。它可以同時檢測人類頭部的大小和位置，並計算人數。[外鏈圖片轉存失敗(img-1KAFkUhD-1563526004625)(http://muyaan.com/2019/04/09/CVPR-2019人羣檢測計數-PSDDN-Point-in-Box-out-Beyond-Counting-Persons-in-Crowds/1554716469753.png)]
contribution
創新點：
提出新的在線僞GT更新方案，它從像素級標註，先初始化僞GT包圍框，並在訓練過程中迭代地更新它們。這裏的初始化是基於最近的近鄰頭距離。
提出新的 局部約束迴歸損失 的點監督設置，使預測框在局部帶區域具有相似的大小。損失函數是由透視失真對圖像中人的大小的影響而激發的；
提出一種課程學習策略，首先對網絡進行相對準確、容易的僞GT的訓練圖像。圖像難度定義爲每個圖像中最近鄰頭距離的分佈。
related work
相關工作
1，2：基於檢測，基於迴歸的人羣技術技術
3.點監督策略：廣泛使用在人體姿態估計中的各部位關鍵點標註；在物體檢測分割中，常用來減少標註時間。這些點可以離線收集，也可以在線交互收集。我們收集一次積分，只在訓練時使用。
Method
[外鏈圖片轉存失敗(img-kGKdLEEk-1563526004626)(http://muyaan.com/2019/04/09/CVPR-2019人羣檢測計數-PSDDN-Point-in-Box-out-Beyond-Counting-Persons-in-Crowds/1554717277234.png)]
模型結構見圖2，是一個基於anchor的檢測框架。backbone爲ResNet0101的4個殘差塊。B3、B4殘差塊的特徵圖都會通過各自的1×1卷積進行檢測，輸出N×N×T×(1+4)的檢測結果，anchor數量T爲25，是在數據集上對人頭與最近的一個的距離的聚類得到的。Pred2上採樣後與Pred1相加，得到的final Pred計算分類和迴歸loss。
Online ground truth updating scheme
初始化：已知人頭中心點座標，使用與之最近的人頭的距離d(g,NNg)作爲g的GTBB的尺寸，使用具有與其最接近的尺寸的anchor作爲初始化，稱爲僞gt。密集場景僞gt更接近真實，而稀疏的適合通常過大
參數更新：根據與僞gt的IoU，將anchor分爲正負樣本進行訓練。g0指代epoch 0時圖像某個位置的gtbb。在尺寸小於d(g,NNg)的預測中，使用score最高的替代g0，作爲下一個epoch的g。因爲anchor設置得很密，所以能保證僞gt能逐漸被合適的預測更新（所以每個點有25個anchor）。如果g太小無法找到positive anchor時，訓練中忽略它。
分類loss 與fast rnn ，faster rcnn 一樣。
訓練中使用了online hard mining strategy。
Locally-constrained regression loss（摘自參考博客）
Curriculum learning
課程學習策略，先難後易
爲什麼要用課程學習？因爲數據集中稀疏的人羣人頭間距就大，極密集區域，間距又小。兩種極端情況對訓練不易。
故按照難度把數據集分成若干個部分，做法：對訓練集的所有d(g,NNg)計算均值和標準差，並利用高斯密度函數Φ(dg|μ,σ)計算僞gt框的得分（概率），尺寸適中的框會得到更高的分。計算每張圖的得分1/G*∑g∈GΦ(dg|μ,σ)，其中G爲每張圖的得分，則一張圖片的訓練難度定義爲（公式6）。
訓練時，先訓練簡單的，跑一定的epochs後，添加進次簡單的，出發反覆直到跑遍所有數據集。
Experiments
數據增強：隨機rescale（0.5，1，1.5，2），再在這些圖中 crop 500*500 的圖，作爲訓練樣本。
測試也採樣四種尺寸併合並結果。
lr0.0004 weight decay 0.0005 momnetun0.9
Iou >0.7 正樣本 Iou < 0.3 負樣本
batch 12 訓練50epochs
消融實驗，證明模型（Pv0-Pv3）的每個部分都是有效的，MAE逐漸減低。
PSDDN + denote
