### 背景 物体のカウント問題は難しい問題です。画像が与えられ、その画像上の特定の物体をすべて数える必要があります。ビッグデータやIoTの文脈において、ビデオを追跡し、各フレームの物体をカウントする必要がある場合、この問題は扱いにくくなります。この問題は、画像を入力として受け取り、画像内の特定の物体の数（離散値）を出力する機械学習アルゴリズムのような自動プロセスによって解決できます。そのためには、さまざまなアプローチがあります。典型的で簡単な方法は、画像内の要素の数をラベルとして扱い、分類問題に変換することです。他には、回帰問題に変換する方法や、完全畳み込みアーキテクチャを使用し、最終的な畳み込み出力をその領域内の物体の数とみなして合計する方法もあります。 画像内のこれらの物体を正しくカウントするアプローチを取ることはできますか？ ### 内容 データセットは、ビデオのフレームのRGB画像（入力として）と、各フレームの物体カウント、つまり画像内の歩行者（物体）の数で構成されています。画像は、モール内の同じ場所をウェブカメラで記録した3チャンネルの480x640ピクセルの画像ですが、各フレームには異なる人数がいます。これは群衆カウントの問題です。 ![画像][1] 画像データはNumPyのバイナリファイル（*.npy形式）として提供されており、numpyのload関数で簡単に読み込むことができます。画像を1枚ずつ読み込みたい場合は、フォルダにJPG画像も用意しています。 ラベル/ターゲットは、JPG画像のフレームにいる人数で、各画像に1つずつあります。これらはカウントの整数値です。たとえば、上の画像には29人の物体（人）がいます。 ![画像2][2] [2]: http://personal.ie.cuhk.edu.hk/~ccloy/images/shopping_mall_annotated.jpg [1]: http://personal.ie.cuhk.edu.hk/~ccloy/images/shopping_mall.jpg ### 謝辞 ここで使用している群衆カウントデータセットとそれを管理している方々、およびモールデータセットに感謝します。 **このデータセットは研究目的のみを意図しており、商業的に使用することはできません。このデータセットを学術および研究報告で使用する場合は、以下の出版物を引用してください。** * From Semi - Supervised to Transfer Counting of Crowds C. C. Loy, S. Gong, and T. Xiang in Proceedings of IEEE International Conference on Computer Vision, pp. 2256 - 2263, 2013 (ICCV) * Cumulative Attribute Space for Age and Crowd Density Estimation K. Chen, S. Gong, T. Xiang, and C. C. Loy in Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, pp. 2467 - 2474, 2013 (CVPR, Oral) * Crowd Counting and Profiling: Methodology and Evaluation C. C. Loy, K. Chen, S. Gong, T. Xiang in S. Ali, K. Nishino, D. Manocha, and M. Shah (Eds.), Modeling, Simulation and Visual Analysis of Crowds, Springer, vol. 11, pp. 347 - 382, 2013 * Feature Mining for Localised Crowd Counting K. Chen, C. C. Loy, S. Gong, and T. Xiang British Machine Vision Conference, 2012 (BMVC) 公式リンク: http://personal.ie.cuhk.edu.hk/~ccloy/downloads_mall_dataset.html ### 着想 画像内の物体をカウントすることは、私たちにとって自然な行為かもしれません。しかし、それを自動化するために、カウントができる学習モデルを構築することができます。