本文转自雷锋网，如需转载请至雷锋网官网申请授权。
1、背景&摘要
在人群密度估计任务中，标注工作十分困难且费时，导致当前的公开学术集规模都较小且数据的分布差异较大（图1：密度差异，场景差异，视角差异等等）。因此，为了学习到泛化能力较强、通用性较高的人群密度估计模型，同时联合多种数据域知识来监督模型的训练成为了一种可能的方案。然而，直接利用联合数据训练模型会导致模型的选择性学习行为，即模型只对联合数据中的“主导”数据部分进行了有效的学习，而忽略了其余部分数据带来的域知识，从而导致模型表现出在不同域上性能变化的不一致性（表1：部分域性能提升，部分域性能降低）。
鉴于此，本文提出了域专属知识传播网络（DKPNet）来引导无偏知识的学习。其中，作者提出了变分关注技术（Variational Attention，VA），该技术可以显式地对不同数据域构建相应的关注分布，从而有效的提取和学习域专属的信息。此外，作者进一步提出了本征变分关注技术（Intrinsic Variational Attention， InVA）来解决覆盖域和子域的问题。作者对DKPNet在常用的人群密度估计数据集ShanghaiTechA/B, UCF-QNRF以及NWPU上进行有效的评估。
图1：不同数据域的分布差异
表1：直接联合训练带来的性能变化的不一致性
2、方法介绍
为了解决不同数据域分布差异带来的难题，我们需要克服深度模型的选择性学习行为，即只学习数据域中占“主导”地位的信息和知识。此外，考虑到CNN中通道信息通常是表达模式概念以及抽象表征的，而空间信息通常描述的是位置信息，因此为了建模域专属的信息，作者选取在通道信息上进行域专属知识的建模。如图所示：
图2：变分关注模型VA
首先假设我们能通过通道信息来进行域的划分，即需要引入channel-attention机制来区分和引导不同域的学习，然而普通的channel-attention并不能显式地区分域专属的知识，因此需要人为地施加约束来提供引导。鉴于此，本文参考VAE的思想，首先引入潜变量z来建模不同数据域，根据变分思想，为了控制输出的关注分布
，作者最大化条件概率的对数似然；
其中第一项用于提高预测的准确性，在人群密度估计中，将其写作：
第二项描述的是变分分布
和先验分布
的KL散度。此外由于不同域的分布不同，本文采用混合高斯分布作为先验：
由此，KL散度变为：
为了学习到自适应的域参数，将均值和协方差参数设置为可学习的。并对其施加如下约束来防止平凡解：
最终VA如图2所示，综合loss如下：
然而，上述的推理是基于一个假设，即不同数据集当作一个单独的数据域，这个假设在实际中并不能被很好地支持，例如NWPU数据中存在较多的子域，且不同数据集之间还可能存在重合的分布。鉴于此，作者基于VA又提出了InVA来解决覆盖域和子域的问题。
InVA区别于VA的地方主要是两个地方，第一个是首先会采用聚类的方式对attention分布进行粗略的划分，从而缓解覆盖域的问题；第二个是会采用子高斯混合先验对潜变量进行约束，从而缓解子域的问题。
最终使用VA和InVA对CNN的通道信息进行调整，得到了DKPNet，如图3所示：
图3：DKPNet
3、实验结果
作者在4个常用的人群密度估计的数据集（ShanghaiTech A/B， QNRF， NWPU）上进行了多重验证，实验结果如表2所示。可以看到作者分别进行了3-Joint（SHA/SHB/QNRF联合使用）和4-Joint（SHA/SHB/QNRF/NWPU）实验，表示采用不同的个数的数据集进行的联合训练。当进行简单的联合训练之后，可以看到模型的性能并不能一致地在所有数据集上都得到提升，验证了模型的选择性学习的行为。当采用DKPNet之后，由于域专属的信息能够被显式地建模和学习，因此带来了显著的性能提升，并且在不同数据集上表现出了一致性。同时作者也给出了大量的消融实验（图4：attention分布对比；表3：的影响；表4：覆盖域和子域数量的影响等），证明了VA和InVA的有效性。
表2：实验结果
图4：attention分布示意图
表3：约束的作用
表4：覆盖域和子域数量的影响
4、结语
本文针对人群密度中多域联合训练的问题，提出了基于变分关注VA的域专属信息学习网络DKPNet，有效地缓解了多域联合训练中的有偏学习现象，通过引入潜变量对不同域进行建模，从而能够为模型的学习提供很好域引导。此外，为了更好地解决覆盖域和子域的问题，本文提出了InVA进一步提升域引导的质量。最终，作者通过大量的实验验证了该方法的有效性。
