跨尺度视觉Transformer

多尺度双融合

编码器和解码器双阶段融合多尺度特征,并引入多尺度SSIM损失自适应优化人头区域,提升了人群定位的精度。

刘爽 · Yu, Lian · 张重 · 肖柏华 · Durrani, Tariq Salim

Journal of King Saud University - Computer and Information Sciences 2024

技术优势

多尺度特征融合更充分

在编码器和解码器两个阶段都融合多尺度信息,避免了仅一次融合导致的信息不完整。

自适应优化人头区域

多尺度SSIM损失为每个人头设置不同尺度的自适应窗口,增强预测距离变换图的准确性。

长程上下文建模

在融合后的特征图上建立长程上下文依赖,有助于应对遮挡和透视效应。

五个数据集验证

在五个公开数据集上进行了全面实验,结果验证了方法的有效性。

应用场景