近日，beat365在线唯一官网鲁棒视觉智能感知技术团队在人群密度估计研究方向取得重要进展。由张凯兵、师红宇老师联合指导2024级硕士研究生赵梓怡同学完成的学术论文《ACENet: Contextual Graph Reasoning for Semi-Supervised Crowd Counting》被计算机科学领域国际顶级期刊《Expert Systems With Applications》正式录用。这是该团队今年度在指导硕士研究生发表高水平国际期刊论文方面取得的又一重要成果。《Expert Systems With Applications》是计算机科学领域的国际顶级期刊，中科院分区计算机科学大类一区TOP期刊，2025年最新影响因子为7.5。
人群计数是计算机视觉领域的一项关键任务，在公共安全、交通监控等场景中具有重要应用价值。基于点定位的主流方法虽可实现精准计数，但其性能高度依赖于大规模、成本高昂的人工标注。为降低标注依赖，半监督学习逐渐成为研究热点。然而，现有的以对称式师生框架为代表半监督方法在解决实际场景中普遍存在的严重尺度变化与遮挡问题时，仍存在明显的不足。
针对对称式师生框架面临的“能力-稳定性”问题，该团队创新性地提出了一种非对称协同进化网络ACENet的人群密度估计方法。该方法以“强学生-稳教师”架构为基础，结合动态靶向激发机制(DTSM)与靶向一致性损失函数，构建了一个三位一体的协同学习算法，显著提升了半监督学习效率。具体而言，该网络首先设计了一个强大的感知-解码-推理网络(PDRNet)作为“强学生”模型，通过多尺度语义感知(MSP)、初始定位解码(IPD)与结构化上下文图推理(SCGR)三个模块的有机结合，有效解决了密集人群场景中存在的尺度变化与严重遮挡等挑战性问题。为进一步提升模型潜能，提出动态靶向激发机制(DTSM)，利用“稳教师”模型提供的稳定信号，为“强学生”模型构造具有明确靶向性的高阶推理任务，使学习过程从被动模仿转变为主动场景补全。此外，设计与ACENet深度耦合的靶向一致性损失函数，将优化目标聚焦于DTSM激活的关键区域，能有效指导学生模型利用其高阶结构推理能力进行主动场景恢复。在标准基准数据集以及大规模、高难度的NWPU-Crowd数据集上验证了所提方法的有效性。实验结果表明，相较于当前主流方法，所提出的ACENet网络在复杂密集人群场景下表现出有更好的泛化能力。本研究为解决复杂人群场景下“高精度需求”与“低标注依赖”之间的根本性矛盾，提供了一种高效、稳定且可扩展的新范式。（撰稿：师红宇 审核：张凯兵）
人物链接：
赵梓怡，女，2024年考入西安工程大学beat365在线唯一官网计算机科学与技术专业攻读硕士研究生。获“华为杯”二十二届研究生数学建模竞赛国家二等奖，申请发明专利1项。研究方向为人群密度估计。
师红宇，女，西安工程大学高级工程师，硕士生导师，院长助理。主要研究方向为智能检测、人群密度估计及小目标检测。先后主持省部级课题2项、厅局级课题4项、企业委托课题10余项。
