基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对人群计数问题,基于优化Inception-ResNet-A模块,使用集成学习中的Gradient Boosting方法提出了一种可用于稀疏人群和密集人群的人群计数方法,并给出此方法实现的具体细节.通过在三个公开数据集和真实场景(含光照和视角变化)中进行测试,检验了该方法对于光照、人群密度、视角等变化的鲁棒性.实验结果表明,该方法对于以上变化具有较强的鲁棒性,并且相比于之前的人群计数方法在准确性和稳定性方面具有更好的性能.
推荐文章
基于3D Res-Inception网络结构的密集人群行为识别
深度学习
神经网络
密集人群
行为识别
基于Boosting框架的推荐系统架构与优化
推荐系统
系统架构
系统优化
Boosting框架
系统集成
系统测试
编码-解码多尺度卷积神经网络人群计数方法
人群计数
编码-解码结构
多尺度
空洞空间金字塔池化
计数误差
损失函数
基于改进Boosting算法的车险理赔额组合模型预测
机器学习
Boosting算法
组合模型
Optuna算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于优化的Inception-ResNet-A模块与Gradient Boosting的人群计数方法
来源期刊 同济大学学报(自然科学版) 学科 工学
关键词 人群计数 优化Inception-ResNet-A模块 Gradient Boosting 多尺度特征 感知野
年,卷(期) 2019,(8) 所属期刊栏目 电子、计算机、控制与系统
研究方向 页码范围 1216-1224
页数 9页 分类号 TP181
字数 4624字 语种 中文
DOI 10.11908/j.issn.0253-374x.2019.08.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郭瑞琴 同济大学机械与能源工程学院 19 83 5.0 8.0
2 陈雄杰 同济大学机械与能源工程学院 2 1 1.0 1.0
3 符长虹 同济大学机械与能源工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (11)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (2)
二级引证文献  (0)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人群计数
优化Inception-ResNet-A模块
Gradient Boosting
多尺度特征
感知野
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
同济大学学报(自然科学版)
月刊
0253-374X
31-1267/N
大16开
上海四平路1239号
4-260
1956
chi
出版文献量(篇)
6707
总下载数(次)
15
总被引数(次)
105464
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导