弱监督计数可比全监督
结合递归Swin Transformer和多级扩张卷积回归头，在仅提供图像级人数标注的弱监督设置下实现与全监督方法相当的人群计数精度。
Zhuangzhuang, Miao · 张勇 · Peng, Yuan · Haocheng, Peng · 尹宝才
Computational Visual Media 2023
训练只需图像级人数标签，无需逐人标点或密度图，为大规模数据集的构建扫清障碍。
递归 Swin Transformer 的金字塔结构逐层提取全局特征，弥补了以往弱监督方法缺失的全局视野。
多级扩张卷积同时捕获低层和高层特征，扩大感受野，能处理人群图像中的小目标和巨大密度变化。
在四个基准上优于其他弱监督方法，且与全监督方法相当，而所需的标注信息远少于后者。