人羣密度估計-NWPU-Crowd數據集
該數據集是由Qi Wang等人於2020年1月10日公開，論文題爲：NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting.
數據集開源鏈接： http://www.crowdbenchmark.com/
論文開源代碼鏈接：https://github.com/gjy3035/NWPU-Crowd-Sample-Code
以往數據存在的問題
1. 數據集不足。基於CNN的方法都是需要龐大的數據集做支撐的，由於現存的人羣密度數據集規模太小，基於深度學習的方法很難避免過擬合；
2. 沒有一個相對公正的評價標準。像其他領域，KITTI，CityScapes和Microsoft COCO，允許研究人員提交測試集的結果進行公正的評價。所以一個公正的評價平臺對於該領域的發展至關重要。
NWPU-Crowd數據集的優勢
1. 目前爲止在人羣密度估計方面最大的數據集，擁有5109張圖片和2133238個標註實體；
2. 內含一些負樣本，比如極高密度的人羣，這樣可以提高訓練模型的魯棒性；
3. 圖片的分辨率相比其他數據集更高；
4. 且單張圖片的標註實體數量範圍非常大，區間是[0,20033]；
5. 提供了一個公平的平臺網站，供研究人員提交測試集的計算結果，然後計算出MSE/MAE。
NWPU-Crowd與其他數據集的詳細對比
NWPU-Crowd數據集展示
第一列：正常亮度下的典型樣本；第二列和第三列分別是曝光和極暗情況下的樣本；第四列是負樣本，包括密度極高/其他非人羣實體。
NWPU-Crowd數據集上進行實驗
解釋：“FS”表示沒有引入預訓練模型參數；S0 ∼ S4 表示五個數量級類別：0，(0; 100]，(100; 500]，(500; 5000]和 ≥ 5000；L0 ∼ L2 分別表示在測試集上的三個亮度級別：[0; 0:25]，(0:25; 0:5]和 (0:5; 0:75]；另外 speed 和 FLOPs 是在 input size = 576 × 768之上計算的；最後紅、藍、綠分別表示第一、第二、第三名。
備註：實驗中，PCC-Net和BL都是基於官方代碼和默認參數訓練的。對於SANet，則是基於論文實現的
引入新的問題
1. 已有模型的抗噪聲能力有待提高；現實場景很多時候都會有大量背景干擾因素，因此負樣本對於模型的訓練來說十分有必要；
2. 類別間影響有待解決；由於NWPU-Crowd數據集龐大，不同場景下的實體間外觀差異極大，這對於訓練模型是個不小的挑戰；
3. 極高密度的人羣密度估計仍是難題；已有的模型對於S4的結果表現仍然非常差。
人羣密度估計-最新研究進展
C3F：基於Pytorch的開源人羣計數框架
這個框架是由Junyu Gao團隊研發出來的。
引自Junyu Gao在知乎上的介紹：“近兩年，有關人羣計數的文章呈現出爆炸式增長。然而，人羣計數不像其他任務（目標檢測、語義分割等）有着簡潔/易開發的開源代碼框架，大大降低了我們對於idea的驗證效率。因此在2018年12月份，我萌生了自己搭一個人羣計數框架的想法，儘可能兼顧當前主流數據集和主流算法。並於2019年3月底基本完成了主體框架。代碼發佈之後，由於缺少對於代碼細節的文檔介紹，issues和emails讓人應接不暇。所以，在這裏對該項目做一個代碼層面上的介紹，並輔之以一些實驗分析來幫助大家有效提高網絡性能。更重要地，希望能夠拋磚引玉，讓大家利用C3F，更高效地研究出性能更好的人羣計數網絡，推動該領域的發展。”
上圖爲C3F的算法流程圖。
原文的文末寫道：“本項目旨在提供一個簡單、高效、易用、靈活的人羣計數框架，方便新手快速上手入門、資深研究者高效實現idea以及最大化模型性能。本技術報告則是對該項目的一個簡單介紹，使大家能夠對我們的項目有一個更深的理解，這樣用起來也會更加順手，最大化框架的使用度。”
下面實驗同樣引自Junyu Gao在知乎中的發表的原文：“將復現的所有算法在SHT B上的性能展示出來，方便大家做最終的對比。我們發現，得益於ResNet-101強大的學習能力，以其爲Backbone的人羣計數器在MAE和MSE指標上超越了其他所有算法。此外，我們還發現，對於有預訓練參數的網絡，甚至可以不需要對網絡進行過多的設計，例如Dilated Conv、Multi-column Conv、Scale Aggregation等，就可以達到一個較好的結果。”
下面貼出他們的實驗結果：
C3F開源項目代碼地址：https://github.com/gjy3035/C-3-Framework
此項目最後更新于于2020年3月1日，基於Python 3 | Pytorch 1.0。
參考資料
1. Wang Q , Gao J , Lin W , et al. NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting[J]. 2020.
2. Gao J , Lin W , Zhao B , et al. C^3 Framework: An Open-source PyTorch Code for Crowd Counting[J]. 2019.
3. 知乎：C^3 Framework系列之一：一個基於PyTorch的開源人羣計數框架
4. Github：gjy3035 / Awesome-Crowd-Counting