[[421109]]

本文轉自雷鋒網(wǎng)，如需轉載請至雷鋒網(wǎng)官網(wǎng)申請授權。

1、背景&摘要 

在人群密度估計任務中，標注工作十分困難且費時，導致當前的公開學術集規(guī)模都較小且數(shù)據(jù)的分布差異較大（圖1：密度差異，場景差異，視角差異等等）。因此，為了學習到泛化能力較強、通用性較高的人群密度估計模型，同時聯(lián)合多種數(shù)據(jù)域知識來監(jiān)督模型的訓練成為了一種可能的方案。然而，直接利用聯(lián)合數(shù)據(jù)訓練模型會導致模型的選擇性學習行為，即模型只對聯(lián)合數(shù)據(jù)中的“主導”數(shù)據(jù)部分進行了有效的學習，而忽略了其余部分數(shù)據(jù)帶來的域知識，從而導致模型表現(xiàn)出在不同域上性能變化的不一致性（表1：部分域性能提升，部分域性能降低）。

鑒于此，本文提出了域專屬知識傳播網(wǎng)絡（DKPNet）來引導無偏知識的學習。其中，作者提出了變分關注技術（Variational Attention，VA），該技術可以顯式地對不同數(shù)據(jù)域構建相應的關注分布，從而有效的提取和學習域專屬的信息。此外，作者進一步提出了本征變分關注技術（Intrinsic Variational Attention， InVA）來解決覆蓋域和子域的問題。作者對DKPNet在常用的人群密度估計數(shù)據(jù)集ShanghaiTechA/B, UCF-QNRF以及NWPU上進行有效的評估。

圖1：不同數(shù)據(jù)域的分布差異

表1：直接聯(lián)合訓練帶來的性能變化的不一致性

2、方法介紹

為了解決不同數(shù)據(jù)域分布差異帶來的難題，我們需要克服深度模型的選擇性學習行為，即只學習數(shù)據(jù)域中占“主導”地位的信息和知識。此外，考慮到CNN中通道信息通常是表達模式概念以及抽象表征的，而空間信息通常描述的是位置信息，因此為了建模域專屬的信息，作者選取在通道信息上進行域專屬知識的建模。如圖所示：

圖2：變分關注模型VA

首先假設我們能通過通道信息來進行域的劃分，即需要引入channel-attention機制來區(qū)分和引導不同域的學習，然而普通的channel-attention并不能顯式地區(qū)分域專屬的知識，因此需要人為地施加約束來提供引導。鑒于此，本文參考VAE的思想，首先引入潛變量z來建模不同數(shù)據(jù)域，根據(jù)變分思想，為了控制輸出的關注分布，作者最大化條件概率的對數(shù)似然；

其中第一項用于提高預測的準確性，在人群密度估計中，將其寫作：

第二項描述的是變分分布和先驗分布的KL散度。此外由于不同域的分布不同，本文采用混合高斯分布作為先驗：

由此，KL散度變?yōu)椋?/p>

為了學習到自適應的域參數(shù)，將均值和協(xié)方差參數(shù)設置為可學習的。并對其施加如下約束來防止平凡解：

最終VA如圖2所示，綜合loss如下：

然而，上述的推理是基于一個假設，即不同數(shù)據(jù)集當作一個單獨的數(shù)據(jù)域，這個假設在實際中并不能被很好地支持，例如NWPU數(shù)據(jù)中存在較多的子域，且不同數(shù)據(jù)集之間還可能存在重合的分布。鑒于此，作者基于VA又提出了InVA來解決覆蓋域和子域的問題。

InVA區(qū)別于VA的地方主要是兩個地方，第一個是首先會采用聚類的方式對attention分布進行粗略的劃分，從而緩解覆蓋域的問題；第二個是會采用子高斯混合先驗對潛變量進行約束，從而緩解子域的問題。

最終使用VA和InVA對CNN的通道信息進行調整，得到了DKPNet，如圖3所示：

圖3：DKPNet

3、實驗結果 

作者在4個常用的人群密度估計的數(shù)據(jù)集（ShanghaiTech A/B， QNRF， NWPU）上進行了多重驗證，實驗結果如表2所示?？梢钥吹阶髡叻謩e進行了3-Joint（SHA/SHB/QNRF聯(lián)合使用）和4-Joint（SHA/SHB/QNRF/NWPU）實驗，表示采用不同的個數(shù)的數(shù)據(jù)集進行的聯(lián)合訓練。當進行簡單的聯(lián)合訓練之后，可以看到模型的性能并不能一致地在所有數(shù)據(jù)集上都得到提升，驗證了模型的選擇性學習的行為。當采用DKPNet之后，由于域專屬的信息能夠被顯式地建模和學習，因此帶來了顯著的性能提升，并且在不同數(shù)據(jù)集上表現(xiàn)出了一致性。同時作者也給出了大量的消融實驗（圖4：attention分布對比；表3：的影響；表4：覆蓋域和子域數(shù)量的影響等），證明了VA和InVA的有效性。

表2：實驗結果

圖4：attention分布示意圖

表3：約束的作用

表4：覆蓋域和子域數(shù)量的影響

4、結語

本文針對人群密度中多域聯(lián)合訓練的問題，提出了基于變分關注VA的域專屬信息學習網(wǎng)絡DKPNet，有效地緩解了多域聯(lián)合訓練中的有偏學習現(xiàn)象，通過引入潛變量對不同域進行建模，從而能夠為模型的學習提供很好域引導。此外，為了更好地解決覆蓋域和子域的問題，本文提出了InVA進一步提升域引導的質量。最終，作者通過大量的實驗驗證了該方法的有效性。