ECCV 2024｜APGCC：重新思考人群计数和定位，解决不稳定性问题！刷新SOTA！

文章预览

↑ 点击 蓝字  关注极市平台 作者丨CVer粉丝投稿 来源丨CVer 编辑丨极市平台 极市导读   本文提出APGCC模型，用以改善传统基于点的人群计数在学习过程中的不稳定问题。通过引入辅助点和精确的特征表示方法，APGCC大大提升了模型优化过程中区分正负样本的能力，同时增强了在各种复杂场景下计数准确性和定位的精度。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 组织机构：台湾大学, UC Merced, Google 论文： https://arxiv.org/abs/2405.10589 主页： https://apgcc.github.io/ 簡介： 人群计数与定位(Crowd Counting and Localization) 是一种计算机视觉技术，用于估算图像或视频中的人数，并确定他们的精确位置，可应用于监控、事件管理和城市规划等重要领域。其中，基于点的人群计数(Point-based Crowd Counting) 可直接透过点标签(Point Annotation) 进行回归和预测学习，而 ………………………………