论文标题：Detection, Tracking, and Counting Meets Drones in Crowds: A Benchmark

论文链接：https://arxiv.org/abs/2105.02440

代码链接：https://github.com/VisDrone/DroneCrowd

数据集链接：https://github.com/VisDrone/DroneCrowd

作者单位：京东金融 & 纽约州立大学奥尔巴尼分校 & 天津大学

并提出STNNet网络，表现SOTA！性能优于DM-Count、CAN等，数据集和代码现已开源！

为了促进无人机捕获的视频中目标检测，跟踪和计数算法的发展，我们用一个新的无人机捕获的大规模数据集（称为DroneCrowd）构建了基准，该数据集由112个视频剪辑和33,600个高清帧组成。值得注意的是，我们用480万个head和几个视频级属性来注释20,800人的轨迹。同时，我们将空时相邻感知网络（STNNet）设计为一个强大的基线，以解决密集人群中的目标检测，跟踪和计数。 STNNet由特征提取模块，随后的密度图估计头，定位和关联子网组成。为了利用邻近对象的上下文信息，我们设计了邻近上下文丢失以指导关联子网训练，该训练在时域中强制附近对象的一致相对位置。在我们的DroneCrowd数据集上进行的大量实验表明，STNNet在最新技术方面表现出色。 

内容中包含的图片若涉及版权问题，请及时与我们联系删除