.png){kind=icon}
返回
A multi-task visual framework: Geometry-guided UAV crowd counting and localization for media practice
.png){kind=icon}
PRE
AI
DOI：10.1016/j.displa.2026.103493.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于严重的透视失真和极端尺度变化，无人机航拍图像中的人群计数和定位仍具挑战性，这阻碍了在数据驱动新闻和媒体验证工作流程中的可靠部署。本文介绍了一种几何引导的多任务框架，明确整合了飞行元数据，包括地面采样距离（GSD）地图、相机内参和高度参数，以解决这些基本挑战。我们的视角感知注意力金字塔（PAAP）将几何先验编码到自适应特征层级中，通过不确定性加权多任务学习联合优化点级检测、密度估计和空间聚类。在六个基准数据集（ShanghaiTech-A/B、UCF-CC-50、UCF-QNRF、NWPU-Crowd、JHU-Crowd++）上的全面评估表明其持续优势：相比领先的基于点的方法减少2.2-3.6%的MAE，相比密度回归基线提升20%-40%。对于空间定位，PAAP达到0.750的平均F1分数，在严格的像素级阈值（sigma ∈ {1, 2, 3}像素）下超越最先进方法1.5-2.0%。在六个公开基准和面向新闻业的验证场景中的评估表明，所提出的框架对媒体实践具有实际适用性。
Keyword:
UAV
Multi-task framework
GSD
PAAP
Uncertainty-calibrated
