torch3652


> 我不认同你的部分观点，虽然点偏移、匈牙利匹配是个摆设，但不能否定它的价值，你不能在今年2024年的角度去看待2021的论文。在2021年之前，都在all in 密度图去解决统计问题，虽然有像LSC-CNN用检测方法去解决统计问题，但效果是有限的，P2PNet是第一个尝试用点回归+点分类的方式去解决统计问题，输出的不在是看不到位置信息的密度图，而且在这之后，像CLTR、OT-M才在点回归上更深入的去研究。 > > 从代码本身去讲，不管是ECCV2018的LCFCN、CVPR 2022的MAN、ECCV 2022的CLTR、CVPR2024的DiffuseDenoiseCount等算法都是在前人的基础上加了新的idea，使统计效果越来越好，这本身也是一种创新。 > > 大部分人群统计算法为了公平的验证算法本身的效果，backbone都会采用VGG16或19，并不是想用什么backbone就上什么，P2PNet算法相对于其他算法，收敛速度是最快的，也可以很方便的移植到其他国产芯片上去做工程，既能得到人数也能看到人群的定位信息。 您好,24年那篇扩散模型进行人群计数的文章，您复现成功了吗？ 我发现那篇文章和作者给的代码有较大的出入