静态图像中采用混合卷积结构进行人群密度估计

• 作者: 仝明磊 南昊 李敏 范绿源
• 来源期刊: 计算机应用研究
• 关键词: 密集场景 扩张卷积 分数步长卷积 密度估计 人群计数
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图形图像技术
• 页码范围: 906-909,931
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.06.0661

摘要

提出了一种混合卷积神经网络用于人群数量的感知计算,在高度密集的场景中可以准确地预测人群密度图.模型仅由两个部分组成:前端为扩张卷积神经网络提取二维特征;后端采用分数步长卷积神经网络降低下采样中的信息损失.为了验证和分析算法性能,模型设计基于当前较为流行的Shanghai Tech数据集,使用回归问题的评价指标,即平均绝对误差(MAE)和均方误差(MSE)作为评估算法性能的标准.在Shanghai Tech(MAE=100.8)、UCF CC 50(MAE=305.3)与WorldExpo'10数据集上进行测试,实验表明模型在密集场景下较以往的方法有效降低了MAE和MSE,提高了密集人群计数的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李敏	上海电力学院电子与信息工程学院	34	43	4.0	5.0
2	仝明磊	上海电力学院电子与信息工程学院	11	2	1.0	1.0
3	范绿源	上海电力学院电子与信息工程学院	3	1	1.0	1.0
4	南昊	上海电力学院电子与信息工程学院	4	1	1.0	1.0