当然,高君宇最近做的AAAI2020的SCAR:NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting方法没有统计进去,因为他没有刷Shanghai techA数据集,刷的是自己的数据集。不过我觉得不会比HyGnn更好了。因为他们两个比较来说:前面的网络结构是一样的,后面decode的时候,SCAR是加了两个注意力机制层,一个空间层的注意力层,一个通道层面的注意力层,两个叠加在一起;HyGnn则是decode的时候加了grapha-nnet,形象一点说,graphanet是自动学习一个注意力机制,他比手工设计的注意力机制要更全面一些。 我们来看看HyGNN干了啥活。我也只是昨天才开始看这个文章,今天基本搞明白了主要问题,由于没有源码,要想通过pytorch实现它对我来说还有一定难度。因为里面有很多花招,而且我还找不到一些对应的算子。