李占山教授指導的大創項目組成員2019級本科生吳劭恺同學的論文“Boosting Detection in Crowd Analysis via Underutilized Output Features”被CVPR 2023收錄。論文的第一作者為2019級本科生吳劭恺，與密歇根大學的本科生Fengyu Yang⏭➰完成。
在人群分析領域，基于檢測的方法由于在密集人群中表現不佳而受到不利影響。然而，我們認為這些方法的潛力被低估了，因為這些方法在人群分析中提供的關鍵信息常常被人們忽視。具體而言，候選框和邊界框的面積大小和置信度分數隐藏着人群規模和密度的信息。為此我們提出了“Crowd-Hat”模塊來利用這些未被充分利用的特征。這是一個即插即用的模塊，可以很容易地與現有的檢測模型集成。該模塊使用混合“二維-一維壓縮技術”來細化輸出特征，獲得特定人群的信息的空間和數值分布。基于這些特征，我們進一步提出了區域自适應NMS阈值和“解耦後對齊”範式。這大大解決了基于檢測的方法的局限性。我們對各種人群分析任務進行了廣泛的評估，包括人群計數、人群定位和人群檢測，證明了利用輸出特征的有效性以及基于檢測的方法在人群分析中的潛力。
CVPR全稱為計算機視覺和模式識别會議（IEEE/CVF Conference on Computer Vision and Pattern Recognition），是人工智能領域頂級國際會議，也是計算機學會收錄的人工智能領域A類會議。CVPR 2023将于2023年6月18日至22日在加拿大溫哥華舉辦。
