一种用于资源受限人群计数的轻量级特征融合架构
内容提要
该文综述了人群计数的深度学习研究，涵盖多级融合与跨度残差提升精度、SFANet双路径多尺度融合生成高分辨率密度图、多分支尺度感知注意力降低误差25%、CCTrans结合CNN与Transformer在NWPU-Crowd排名第一、ICC基于Inception-V3降低计算量、SCNet单列网络高效估计密度图、判别特征框架改善定位与前景背景区分、多任务方法统一计数与定位，以及知识蒸馏轻量学生网络提升推断效率。
延伸解读
技术路线从多尺度融合走向混合架构
文中梳理的方法显示，人群计数研究早期侧重多级融合与跨度残差来整合不同层次信息，随后出现SFANet双路径多尺度融合、多分支尺度感知注意力等结构，近年则转向CCTrans这类CNN与Transformer结合的混合架构。这一脉络说明，单纯堆叠卷积层已难以兼顾全局人群分布与局部细节，引入注意力或Transformer骨干成为提升精度的主要方向。
精度提升与计算成本之间的取舍
文章同时收录了ICC基于Inception-V3降低计算量、SCNet单列网络高效估计密度图、以及知识蒸馏轻量学生网络提升推断效率等工作。这些方法表明，在资源受限场景下，研究者并非一味追求更高精度，而是通过精简骨干、单列结构或教师-学生蒸馏来压缩计算与显存开销。读者可据此判断，不同方案适合的部署条件并不相同。
计数之外，定位与前景区分成为新关注点
判别特征框架针对高度拥挤区域定位能力差、难以区分前景与背景的问题，引入掩蔽特征预测和监督像素级对比学习；多任务方法则在同一框架中统一计数与人员定位，并在ShanghaiTech A和B上报告了MSE与AP指标。这说明评价人群计数模型时，除密度图误差外，定位质量和前景背景区分能力也值得关注。
Q&A
SFANet是如何实现高分辨率密度图生成和精确人群计数的？
SFANet是一种双路径多尺度融合网络架构，包含注意力机制，使用VGG骨干卷积神经网络和双路径多尺度融合网络，能够生成高质量的高分辨率密度图，并在多个数据集上表现出最佳性能。
CCTrans在人群计数中取得了怎样的成绩？
CCTrans结合CNN与Transformer，使用金字塔视觉Transformer骨干捕捉全局信息、金字塔特征聚合组合低级和高级特征、多尺度膨胀卷积预测密度图，在多个基准测试中达到最新最优结果，目前在NWPU-Crowd排名第一。
有哪些方法可以降低人群计数模型的计算量并提升实时性？
ICC基于Inception-V3降低计算量以提高实时性；SCNet作为单列网络，使用残差融合模块、金字塔池化模块和子像素卷积模块高效估计高分辨率密度图；知识蒸馏轻量学生网络通过结构化知识传输框架减少计算成本和显存消耗，提升推断效率。
多分支尺度感知注意力网络在人群计数中效果如何？
该网络使用多分支尺度感知注意力、卷积神经网络、软注意力机制和尺度感知损失函数，在4个不同人群计数数据集上实现了最先进的效果，平均减少25%的误差。
如何解决拥挤场景下人群计数中前景背景难以区分和定位差的问题？
提出一种学习判别特征的框架，包括掩蔽特征预测模块（MPM）和监督的像素级对比学习模块（CLM），以改进模型的定位能力和区分前景与背景的能力，对密集场景或混乱环境中的精确定位等任务有潜在提升效果。
有没有能同时进行人群计数和人员定位的方法？
有，一种多任务方法在统一框架中进行人群计数和人员定位，学习编码人群图像的多尺度表示并融合，使用点监督精确识别人群位置，在ShanghaiTech A和B上分别达到110.7和15.0的MSE以及0.71和0.75的AP。
