用于智能城市中人群计数和定位的Scale Attentive Aggregation Network（缩放注意力聚合网络）

《ACM Transactions on Sensor Networks》：Scale Attentive Aggregation Network for Crowd Counting and Localization in Smart City

人群计数与定位同步优化模型SA2Net针对智能城市中规模变化和背景噪声问题，采用多尺度特征聚合与噪声抑制双模块设计，结合全局一致性损失优化，实验验证其性能优于现有方法。

　　

摘要

近年来，智能城市中的应用得到了显著的发展。人群分析是一个关键的研究领域，它包含两个子任务：人群计数和人群定位。然而，由于存在一些不利的内在因素（如尺度变化和背景噪声），这些因素严重影响了人群计数和定位的准确性。尽管在人群计数和定位的单独研究上已经付出了大量努力，但很少有研究能够同时完成这两项任务。为此，提出了尺度敏感的聚合网络（SA²Net），以同步解决人群计数和定位任务中的尺度变化和背景噪声问题。SA²Net包含两个核心模块：多尺度特征聚合器（MFA）模块和背景噪声抑制器（BNS）模块。MFA模块采用四路径结构，用于聚合多尺度特征，以促进不同尺度之间的关联；BNS模块利用输入关键矩阵与自注意力矩阵之间的上下文信息来抑制背景噪声。此外，通过结合全局一致性损失和欧几里得损失来优化网络在计数和定位任务中的性能。大量的实验结果表明，SA²Net在主观和客观评估上均优于现有的最先进算法。