基于背景辅助的高效人群计数多任务学习网络

在人群计数领域中，复杂背景干扰一直是一个具有挑战性的问题.现有研究通过引入注意力机制等方式弱化背景噪声对计数的影响.但是，随着研究的深入，人群计数网络规模不断扩大，影响了计算效率和实时应用.为了解决复杂背景问题并提高计数效率，该文提出了一个基于背景辅助的高效人群计数多任务学习网络(BAMTLNet).与现有网络不同，为了减少网络的参数量，只采用了VGG-16的前7层作为前端网络.在后端网络中，为了解决复杂背景问题，我们使用了两个高度相关的人群任务：(1)生成估计密度图主任务，采用3个普通卷积层生成密度图，通过积分获得单张图片的人数.(2)复杂背景分割辅助任务，采用3个特定的膨胀卷积层生成图片的背景分割图.两个任务直接连接在前端网络后，没有相互交叉.我们还设计了背景辅助多任务损失函数，通过硬参数共享的方式优化前端网络参数，向主任务传递复杂背景的高级语义信息并优化网络.该端到端人群计数多任务学习网络仅有10层卷积层，参数量小，实现了网络轻量化.在3个人群计数基准数据集上进行了实验，获得了令人满意的结果.