Tolerating Annotation Displacement in Dense Object Counting via Point Annotation Probability Map

计算机科学 稳健性(进化) 注释 人工智能 高斯分布 算法 物理 生物化学 量子力学 基因 化学
作者
Yuehai Chen,Jing Yang,Badong Chen,Shaoyi Du,Gang Hua
出处
期刊:IEEE transactions on image processing [Institute of Electrical and Electronics Engineers]
卷期号:32: 6359-6372 被引量:2
标识
DOI:10.1109/tip.2023.3331908
摘要

Counting objects in crowded scenes remains a challenge to computer vision. The current deep learning based approach often formulate it as a Gaussian density regression problem. Such a brute-force regression, though effective, may not consider the annotation displacement properly which arises from the human annotation process and may lead to different distributions. We conjecture that it would be beneficial to consider the annotation displacement in the dense object counting task. To obtain strong robustness against annotation displacement, generalized Gaussian distribution (GGD) function with a tunable bandwidth and shape parameter is exploited to form the learning target point annotation probability map, PAPM. Specifically, we first present a hand-designed PAPM method (HD-PAPM), in which we design a function based on GGD to tolerate the annotation displacement. For end-to-end training, the hand-designed PAPM may not be optimal for the particular network and dataset. An adaptively learned PAPM method (AL-PAPM) is proposed. To improve the robustness to annotation displacement, we design an effective transport cost function based on GGD. The proposed PAPM is capable of integration with other methods. We also combine PAPM with P2PNet through modifying the matching cost matrix, forming P2P-PAPM. This could also improve the robustness to annotation displacement of P2PNet. Extensive experiments show the superiority of our proposed methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
bxll完成签到 ,获得积分10
刚刚
jillian完成签到,获得积分10
1秒前
SYLH应助董大海采纳,获得10
1秒前
蘑菇发布了新的文献求助10
1秒前
jm发布了新的文献求助10
1秒前
1秒前
饱满晓霜完成签到,获得积分10
1秒前
结实的慕晴完成签到,获得积分10
2秒前
Jiawww完成签到,获得积分10
3秒前
op完成签到,获得积分10
3秒前
风中的梨愁完成签到 ,获得积分10
3秒前
4秒前
qise完成签到,获得积分10
4秒前
孤芳自赏IrisKing完成签到 ,获得积分10
4秒前
6秒前
6秒前
高手中的糕手完成签到,获得积分10
6秒前
6秒前
Min完成签到,获得积分10
7秒前
7秒前
qise发布了新的文献求助10
7秒前
7秒前
机灵冬灵完成签到 ,获得积分10
8秒前
田様应助天上白玉京采纳,获得10
8秒前
NexusExplorer应助星辰坠于海采纳,获得10
8秒前
9秒前
9秒前
bofu完成签到,获得积分10
9秒前
楚舜华完成签到,获得积分10
9秒前
科目三应助rocky15采纳,获得10
10秒前
研友_VZG7GZ应助rocky15采纳,获得10
10秒前
领导范儿应助rocky15采纳,获得10
10秒前
wanjingwan完成签到 ,获得积分10
11秒前
靖嵘关注了科研通微信公众号
11秒前
陶醉平松发布了新的文献求助10
11秒前
婷崽加油给婷崽加油的求助进行了留言
11秒前
阑lan发布了新的文献求助200
12秒前
Akim应助讨厌鬼采纳,获得10
12秒前
兴奋冷松完成签到,获得积分10
12秒前
12秒前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
All the Birds of the World 4000
Production Logging: Theoretical and Interpretive Elements 3000
Musculoskeletal Pain - Market Insight, Epidemiology And Market Forecast - 2034 2000
Animal Physiology 2000
Am Rande der Geschichte : mein Leben in China / Ruth Weiss 1500
CENTRAL BOOKS: A BRIEF HISTORY 1939 TO 1999 by Dave Cope 1000
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3746550
求助须知:如何正确求助?哪些是违规求助? 3289414
关于积分的说明 10064441
捐赠科研通 3005751
什么是DOI,文献DOI怎么找? 1650393
邀请新用户注册赠送积分活动 785863
科研通“疑难数据库(出版商)”最低求助积分说明 751335