基于弱监督的改进Transformer在人群定位中的应用

来源：计算机工程与应用杂志2023年第19期北京时间：

作者：高辉, 邓淼磊, 赵文君, 陈法权, 张德贤

单位：1.河南工业大学 机电工程学院，郑州 450001；2.河南省粮食信息处理国际联合实验室，郑州 450001；3.河南工业大学 信息科学与工程学院，郑州 450001

摘要：针对现有人群定位方法采用伪边界框或预先设计的定位图，需要复杂的预处理和后处理来获得头部位置的问题，提出一种基于弱监督的端到端人群定位网络LocalFormer。在特征提取阶段，将纯Transformer作为骨干网络，并对每个阶段的特征执行全局最大池化操作，提取更加丰富的人头细节信息。在编码器-解码器阶段，将聚合特征嵌入位置信息作为编码器的输入，且每个解码器层采用一组可训练嵌入作为查询，并将编码器最后一层的视觉特征作为键和值，解码后的特征用于预测置信度得分。通过二值化模块自适应优化阈值学习器，从而精确地二值化置信度图。在不同数据环境下对三个数据集进行实验，结果表明该方法实现了最佳定位性能。

关键词：人群定位,弱监督,卷积神经网络,全局最大池化,视觉Transformer