基于改进的卷积神经网络的人群密度估计

• 作者: 张丽红 贾翻连
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 人群密度 深度学习 小波变换 神经网络 权重自适应 特征提取
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 77-80
• 页数: 4页
• 分类号: TP183
• 字数: 2905字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.02.016

摘要

人群密度估计是视频监控的一个研究热点, 为了得到更为准确的估计率, 将卷积神经网络应用到人群密度估计中.卷积神经网络在特征提取时能够高效自适应学习深层次的特征, 体现了其在深度学习领域的优越性, 但在预处理时会出现振荡现象, 且卷积层与子采样层间特征图的大小匹配会影响计算速度和时间.对此, 提出离散小波变换替换卷积神经网络中的子采样层, 并对网络中的权重矩阵进行重新计算, 通过权重自适应改善预处理时的振荡现象, 提高卷积网络中特征图大小的匹配度, 并将之应用到人群密度估计, 以有效地提高数据间的相关性, 增强网络的学习能力, 提高人群密度等级分类的准确率.实验结果表明, 改进后的网络具有较好的学习及分类效果和鲁棒性, 对人群密度能够进行较为准确和快速的估计.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽红	山西大学物理电子工程学院	44	191	8.0	12.0
2	贾翻连	山西大学物理电子工程学院	2	5	2.0	2.0