人群计数结合超图神经网络：Hypergraph Crowd Counting

文章题目：Hypergraph Association Weakly Supervised Crowd Counting

链接：https://dl.acm.org/doi/pdf/10.1145/3594670

代码：GitHub - Boli-trainee/Hypergraph-Association-Weakly-Supervised-Crowd-Counting: The code of paper: Hypergraph Association Weakly Supervised Crowd Counting

摘要：弱监督人群计数包括对图像中出现的个体数量的回归，仅使用总数作为标签。然而，这一任务受到两个主要挑战的困扰:头部大小的巨大变化和人群密度的不均匀分布。为了解决这些问题，我们提出了一个新的超图关联人群计数(HACC)框架。我们的方法包括一个新的多尺度扩展金字塔模块，可以有效地处理头部尺寸的大变化。此外，我们提出了一种新的超图关联模块，通过编码特征之间的高阶关联来解决人群密度分布不均匀的问题，为解决这一问题开辟了新的方向。在多个数据集上的实验结果表明，我们的HACC模型取得了最新的结果。

思路：为了解决人群密度不均匀的问题，将HGNN引入到人群计数领域，对特征之间的关系进行建模。此外，提出了一种新的超图关联模块，该模块基于欧几里得距离和可学习的相似度关联来构建超图。

为啥用超图？和图相比有啥优势？

模型性能咋样？

可视化图说明：