摘要

当前最先进的人群计数模型普遍采用编码器-解码器架构。图像首先通过编码器提取特征，随后为校正透视畸变，将最高层级的特征图输入额外模块以提取多尺度特征，再作为解码器的输入生成人群密度图。然而，在这些方法中，编码过程中早期阶段提取的特征未得到充分利用，而多尺度模块所能捕捉的感受野范围有限，且伴随较高的计算开销。本文提出一种新型人群计数架构——FusionCount，该架构通过自适应融合编码器输出的绝大多数特征，而非依赖额外的特征提取组件来获取多尺度信息，从而能够覆盖更广泛的感受野尺度，同时显著降低计算成本。此外，我们设计了一种新型通道压缩模块，在解码阶段能够有效提取显著性信息，进一步提升模型性能。在两个基准数据集上的实验结果表明，所提模型在保持更低计算复杂度的前提下，实现了当前最优的计数性能。