포인트와 밀도 표현 간 상호 감독을 통한 군중 계수
Mutual Supervision Between Point and Dnsity Representations for Crowd Counting
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구에서는 포인트 기반 방식과 밀도 맵 기반 방식의 한계를 동시에 극복하기 위해 상호 감독(Mutual Supervision) 기반의하이브리드 학습 프레임워크를 제안한다. 제안된 모델은 포인트 헤드(Point Head)와 밀도 헤드(Density Head)가 서로의 출력을참조하며 보완적으로 학습하고, Differentiable Renderer를 통해 포인트 예측 결과를 밀도 표현으로 변환하여 상호 지도를 가능하게 한다. ShanghaiTech Part A/B 및 UCF_CC_50 데이터셋에서의 실험 결과, 제안된 방법은 기존 밀도 맵 기반 방법에 비해Part A 기준 MAE는 약 12.3%, RMSE는 약 15.1% 낮은 성능을 보여주었다. 이는 제안된 프레임워크가 라벨 노이즈와 스케일 변화에 강건한 군중 계수 기법임을 입증한다.
Abstract
This study proposes a mutual supervision-based hybrid learning framework to overcome the inherent limitationsof both point-based and density map-based crowd counting methods. In the proposed model, the point head anddensity head learn in a complementary manner by referencing each other’s outputs, while a differentiable rendererenables mutual guidance by converting point predictions into density representations. Experimental results on theShanghaiTech Part A/B and UCF_CC_50 datasets demonstrate that the proposed method achieves approximately12.3% lower MAE and 15.1% lower RMSE on Part A compared with conventional density map approaches. Thesefindings indicate that the proposed framework provides a robust crowd counting solution that is resilient to labelnoise and scale variations