최적 수송 최소화: 반지도 카운팅을 위한 밀도 맵에서의 군중 위치 확인

이미지에서 군중 계산의 정확도는 군중 밀도 맵을 예측하기 위한 심층 신경망의 개발로 인해 최근 몇 년 동안 크게 향상되었습니다. 그러나 대부분의 방법은 밀도 맵에서 사람을 위치 확인하는 능력을 더 깊이 탐구하지 않으며, 몇몇 연구는 밀도 맵에서 국소 최대치를 찾는 것과 같은 간단한 방법을 채택했습니다. 본 논문에서는 밀도 맵을 이용한 군중 위치 확인을 위해 최적 수송 최소화(OT-M) 알고리즘을 제안합니다. OT-M의 목표는 입력 밀도 맵과 최소의 Sinkhorn 거리를 가지는 목표 포인트 맵을 찾는 것이며, 우리는 해를 계산하기 위한 반복 알고리즘을 제안합니다. 이후 OT-M을 적용하여 이전 방법에서 사용된 부드러운 의사 레이블(밀도 맵) 대신 반지도 카운팅을 위한 강한 의사 레이블(포인트 맵)을 생성합니다. 우리의 강한 의사 레이블은 더 강한 감독을 제공하며, 최근의 밀도-포인트 손실 함수를 훈련에 사용할 수 있게 합니다. 또한, 더 신뢰할 수 있는 레이블이 없는 데이터에 더 높은 가중치를 부여하는 신뢰도 가중치 전략을 제안합니다. 광범위한 실험 결과, 우리의 방법들이 군중 위치 확인 및 반지도 카운팅 모두에서 뛰어난 성능을 달성함을 보여줍니다. 코드는 https://github.com/Elin24/OT-M에서 확인 가능합니다.