Faculty

@article{gao2021pixel,
            title={Pixel-wise crowd understanding via synthetic data},
            author={Wang, Qi and Gao, Junyu and Lin, Wei and Yuan, Yuan},
            journal={International Journal of Computer Vision},
            volume={129},
            number={1},
            pages={225--245},
            year={2021},
            publisher={Springer}
          }

@article{gao2020nwpu,
            title={NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting and Localization},
            author={Wang, Qi and Gao, Junyu and Lin, Wei and Li, Xuelong},
            journal={IEEE Transactions on Pattern Analysis and Machine Intelligence},
            doi={10.1109/TPAMI.2020.3013269}
            year={2020}
            }

@article{gao2020feature,
          title={Feature-Aware Adaptation and Density Alignment for Crowd Counting in Video Surveillance},
          author={Gao, Junyu and Yuan, Yuan and Wang, Qi},
          journal={IEEE Transactions on Cybernetics},
          doi={10.1109/TCYB.2020.3034316},
          year={2020}
          }

@ARTICLE{gao2020pcc, 
          author={Gao, Junyu and Wang, Qi and Li, Xuelong}, 
          journal={IEEE Transactions on Circuits and Systems for Video Technology}, 
          title={PCC Net: Perspective Crowd Counting via Spatial Convolutional Network}, 
          year={2020}, 
          volume={30}, 
          number={10}, 
          pages={3486-3498}
          }

@inproceedings{gao2020unsupervised,
          title={Unsupervised Semantic Aggregation and Deformable Template Matching for Semi-Supervised Learning},
          author={Han, Tao and Gao, Junyu and Yuan, Yuan and Wang, Qi},
          booktitle={Advances in Neural Information Processing Systems},
          pages={9961--9971},
          year={2020}
          }

@inproceedings{gao2019learning,
          title={Learning from Synthetic Data for Crowd Counting in the Wild},
          author={Wang, Qi and Gao, Junyu and Lin, Wei and Yuan, Yuan},
          booktitle={Proceedings of IEEE Conference on Computer Vision and Pattern Recognition},
          pages={8198--8207},
          year={2019}
          }

@inproceedings{gao2017embedding,
          title={Embedding structured contour and location prior in siamesed fully convolutional networks for road detection},
          author={Gao, Junyu and Wang, Qi and Yuan, Yuan},
          booktitle={Robotics and Automation (ICRA), 2017 IEEE International Conference on},
          pages={219--224},
          year={2017}
          }

@article{gao2020learning,
              title={Learning Independent Instance Maps for Crowd Localization},
              author={Gao, Junyu and Han, Tao and Yuan, Yuan and Wang, Qi},
              journal={arXiv preprint arXiv:2012.04164},
              year={2020}
              }

@article{gao2019domain,
              title={Domain-adaptive crowd counting via inter-domain features segregation and gaussian-prior reconstruction},
              author={Gao, Junyu and Han, Tao and Wang, Qi and Yuan, Yuan},
              journal={arXiv preprint arXiv:1912.03677},
              year={2019}
            }