实验记录04.03.2023

1. 使用decoder作为maxpooling的替代：

在训练过程中，query向量会自适应的学习群体特征（在不断变化），使用decoder对群体行为进行解码：

目前baseline的MCA是91.55%，加入group trans之后的准确率提高了约0.5%

2. 在上面的实验基础上加入全局信息：

即在img特征层面先使用tokenizer的思想进行分patches，得到L个patches，这里自适应地学习16个patches，这样可以大幅度减少后续encoder的计算量，再加入一个trans encoder，获得全局场景特征：