人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍

笔者有幸参加:
百度深度学习7日入门-CV疫情特辑
在训练营结尾,有一场比赛,做人流密度检测,笔者初次参加比赛,有些小激动[滑稽]
好,话不多说,我们先来看看比赛

1.试题说明

近年来,应用于监控场景的行人分析视觉技术日益受到广泛关注。包括人体检测、人体属性识别、人流密度估计等技术在内的多种视觉技术,已获得在居家、安防、新零售等多个重要领域的广泛应用。其中作用于人流密集场景的人流密度估计技术(crowd density estimation)因其远高于肉眼计数的准确率和速度,已广泛应用于机场、车站、运营车辆、艺术展馆等多种场景,一方面可有效防止拥挤踩踏、超载等隐患发生,另一方面还可帮助零售商等统计客流。本试题以人流密度估计作为内容,答题者需要以对应主题作为技术核心,开发出能适用于密集、稀疏、高空、车载等多种复杂场景的通用人流密度估计算法,准确估计出输入图像中的总人数。

2.任务描述

要求参赛者给出一个算法或模型,对于给定的图片,统计图片中的总人数。给定图片数据,选手据此训练模型,为每张测试数据预测出最准确的人数。

3.数据说明

本竞赛所用训练和测试图片均来自一般监控场景,但包括多种视角(如低空、高空、鱼眼等),图中行人的相对尺寸也会有较大差异。部分训练数据参考了公开数据集(如ShanghaiTech [1], UCF-CC-50 [2], WorldExpo’10 [3],Mall [4] 等)。

本竞赛的数据标注均在对应json文件中,每张训练图片的标注为以下两种方式之一:

(1)部分数据对图中行人提供了方框标注(boundingbox),格式为[x, y, w, h][x,y,w,h];

(2)部分图对图中行人提供了头部的打点标注,坐标格式为[x,y][x,y]。

此外部分图片还提供了忽略区(ignore_region)标注,格式为[x_0, y_0, x_1, y_1, …, x_n, y_n]组成的多边形(注意一张图片可能有多个多边形忽略区),图片在忽略区内的部分不参与训练/测试。

大家最最最关心的数据集在这里:
人流密度预测数据集(副本):https://aistudio.baidu.com/aistudio/datasetdetail/28831?

4.提交答案

考试提交,需要提交模型代码项目版本和结果文件。结果文件为CSV文件格式,可以自定义文件名称,文件内的字段需要按照指定格式写入,其中,id表示图片文件名,predicted表示图片中行人个数。

结果文件,内容应参考如下:

id predicted
1 23
2 50
图片文件名 图片中行人个数

5.比赛数据分析

注: 以下分析,图片部分来自百度的教授

上面题目说了一大堆,说白了,就是给你一张图片,让你数一数里面的人数

1.我们先来看看数据图片,有这样两种的照片,正常照片和畸变后的照片[可能我说的不专业],此为难点一
人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第1张图片

2.而数据集的标注也有两种,一种是边界框标注(ground truth),另一种是坐标标注
如何有效利用数据标注,此为难点二
人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第2张图片

人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第3张图片

3.甚至给定了忽略区域,在给定区域外的人数不计算在内,如何处理忽略区域,此为难点三
人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第4张图片

4.每张图片的分辨率不同,此为难点四
人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第5张图片

5.图片数据来源于不同的场景,此为难点五

6.人群之间存在遮挡
人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第6张图片
7.目标大小存在差异
人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第7张图片
8.存在人流密集的图像

6.比赛方法分析

(1).可将该问题直接视为N分类问题,损失函数一般选择交叉熵损失函数(可行性不大,无法解决人流密集的图像)
人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第8张图片

(2).可将该问题直接视为回归问题,损失函数一般选择均方误差损失函数(笔者觉得可行性不行,但是YOLO不都是将检测问题视为回归吗,大家可以试试,没准儿效果超级好!)
人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第9张图片
(3).直接看做目标检测任务(从信息论的角度,部分计算资源被用作处理没用的信息,有种杀鸡焉用宰牛刀的感觉,嘿嘿)
人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第10张图片
(4).用密度图回归来做(笔者墙裂推荐)
人流密度检测比赛(MCNN实现)(1)——比赛及数据集介绍_第11张图片

下一篇,我们来说说如何用密度图回归来做

你可能感兴趣的:(人群计数,paddlepaddle历险记)