本文使用CNN来进行人群密度估计,主要有两个改进地方:layered boosting and selective sampling
Boosting deep networks : Boosting 在组合学习中是一种知名的贪婪技术。基本的思想就是对前一个分类器的误差训练一个新的分类器来矫正。广义上,当使用多个弱分类器时,Boosting 是最有效的。当 Boosting 强分类器时,效果通常不是很好。特别是只有少数研究尝试 boosting deep neural networks
Sample Selection: 通常训练CNN网络需要利用大的数据库,很多 data augmentation 数据增强的方法被提出用于增加训练数据,但是并不是所有的训练样本是同等创造的,其对模型的贡献也有所不同。 例如文献【19】提出一个样本选择方法用于选择对模型训练最有用的样本。样本的选择通过作为 cascaded architectures 的一个组成部分。