李占山教授指导的大创项目组成员2019级本科生吴劭恺同学的论文“Boosting Detection in Crowd Analysis via Underutilized Output Features”被CVPR 2023收录。论文的第一作者为2019级本科生吴劭恺，与密歇根大学的本科生Fengyu Yang合作完成。
在人群分析领域，基于检测的方法由于在密集人群中表现不佳而受到不利影响。然而，我们认为这些方法的潜力被低估了，因为这些方法在人群分析中提供的关键信息常常被人们忽视。具体而言，候选框和边界框的面积大小和置信度分数隐藏着人群规模和密度的信息。为此我们提出了“Crowd-Hat”模块来利用这些未被充分利用的特征。这是一个即插即用的模块，可以很容易地与现有的检测模型集成。该模块使用混合“二维-一维压缩技术”来细化输出特征，获得特定人群的信息的空间和数值分布。基于这些特征，我们进一步提出了区域自适应NMS阈值和“解耦后对齐”范式。这大大解决了基于检测的方法的局限性。我们对各种人群分析任务进行了广泛的评估，包括人群计数、人群定位和人群检测，证明了利用输出特征的有效性以及基于检测的方法在人群分析中的潜力。
CVPR全称为计算机视觉和模式识别会议（IEEE/CVF Conference on Computer Vision and Pattern Recognition），是人工智能领域顶级国际会议，也是计算机学会收录的人工智能领域A类会议。CVPR 2023将于2023年6月18日至22日在加拿大温哥华举办。
