基于卷积神经网络的多尺度融合特征图在人群密度估计中的应用

• 作者: 翁佳鑫 仝明磊
• 来源期刊: 上海电力大学学报
• 学科: 工学
• 关键词: 人群计数 卷积神经网络 多尺度融合 人群密度估计
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 计算机与信息科学
• 页码范围: 94-98
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.2096-8299.2021.01.018

摘要

提出了一种以Unet++为基础的卷积神经网络,适用于人群密度估计.该网络的优点是用并行连接的方式进行多尺度融合,结合浅层网络的细节信息和深层网络的高阶语义信息来消除两者之间过大的语义鸿沟.此外,还引入了膨胀卷积来提高网络性能.在Shanghai Tech和UCF_CC_50两个通用人群密度估计数据集上进行实验,选取平均绝对误差(MAE)和均方误差(MSE)作为评价指标.实验结果表明,在这两个数据集上该网络均有效降低了MAE和MSE,说明其在人群密度估计方面有较好的准确度和鲁棒性.