paper reading in this week

 

 

  ICCV2015:COUNT Forest: CO-voting Uncertain Number of Targets using Random Forest for Crowd Density Estimation

 

  这篇文章提出patch-based的方法，先学习提取的patch-level features和该patch内包含的object的相对位置的关系，这些相对位置实际上是patch中心指向object的矢量，矢量的个数被认为是该patch的label，也即该patch隶属或包含的人数。如左图所示，提取一个patch的feature后，在一棵树上被分类到一个叶子里，这个叶子里可能包含多个feature向量，他们彼此也很接近；如右图所示，取相同label数最大的作为本patch的label K，并取label数为K的向量做K-means生成本patch的displacement vector。

      

  所以当新patch的feature到来时，将会在这棵树上得到对应的label和displacement vector。然后由这两只可以计算Gaussian kernel，生成对应label数的density map。

  RF的主要作用是做决策，压缩错误，减少计算量。细节不表，流程如下，看懂需耐心~

  

  文章还提到了人群密度稀疏和拥挤两种情况下的先验不同，训练了对应的prior。但究竟是如何将density 映射到count，文章简单提到是computed as the sum of estimated densities over the whole image（不太理解），这大概是为什么文章名为Crowd Density Estimation，可是很好奇文章为什么不在这一块展开呢？如果密度图生成了，下一步是不是可以把location的信息提取出来？毕竟文章的目标很明确的说出来了：

   

 

   文章第一个训练思路挺有趣的，整棵树的分类节点都是以feature为依据的，最后在叶子节点中存储对应的label displacement vector。所以实际上是在学patch的feature和label的displacement feature之间的关系：

            

   这和之前CVPR13（CA-RR）那篇一样，也不是直接去学习feature到count，而是先学到了label，然后生成 Density Estimation，最后得到count。效果很好的说：