检索结果-内蒙古大学图书馆

北京航空航天大学学报 2025年第2期51卷 397-408页

作者：陈永张娇娇周方春兰州交通大学电子与信息工程学院兰州730070 甘肃省人工智能与图形图像处理工程研究中心兰州730070

针对现有视频人群计数方法网络模型复杂度高、精确度和实时性差的问题,提出了一种空间混洗与链式残差增强的轻量级视频人群计数方法。所提模型由多尺度深度可分离反向卷积编码器、尺度回归解码器和预测输出层构成。在编码器部分,设计多... 详细信息

针对现有视频人群计数方法网络模型复杂度高、精确度和实时性差的问题,提出了一种空间混洗与链式残差增强的轻量级视频人群计数方法。所提模型由多尺度深度可分离反向卷积编码器、尺度回归解码器和预测输出层构成。在编码器部分,设计多尺度深度可分离反向残差块,提取不同分辨率的人群特征及相邻帧之间的时域特征信息,提高模型的轻量化程度;提出空间混洗模块嵌入到编码骨干网络中,增强不同尺度人群特征提取能力。在解码器部分,改进多分辨率融合模块及链式残差模块,对编码器输出的不同分辨率特征逐层聚合,减少细节特征丢失。通过解码器预测输出,得到回归人群密度图,并通过对密度图逐像素求和输出计数结果。所提方法在Mall、UCSD、FDST、ShanghaiTech等人群视频数据集上进行对比实验,结果表明:所提方法检测帧率和参数量等评价指标均优于对比方法;在Mall数据集上,相较于ConvLSTM人群计数方法,所提方法的平均绝对误差(MAE)、均方误差(MSE)的误差值分别降低了43.75%、72.71%,对不同场景视频人群计数具有更高的准确率和实时性。

关键词：人群计数空间混洗深度可分离反向残差多分辨率融合轻量级网络

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和多尺度融合的人群计数网络

引用

计算机工程 2025年第3期51卷 352-361页

作者：栾方军龚琪袁帅沈阳建筑大学计算机科学与工程学院辽宁沈阳110168 辽宁省城市建设大数据管理与分析重点实验室辽宁沈阳110168 国家特种计算机工程技术研究中心沈阳分中心辽宁沈阳110168

为了应对人群图像中尺度变化和背景干扰的问题,提出一种人群计数网络模型,旨在充分利用多尺度信息并降低背景噪声的影响。首先采用ConvNeXt作为主干网络,用于提取特征。其次为了有效融合不同层次的特征,提出多层次特征融合模块(MFFM),... 详细信息

为了应对人群图像中尺度变化和背景干扰的问题,提出一种人群计数网络模型,旨在充分利用多尺度信息并降低背景噪声的影响。首先采用ConvNeXt作为主干网络,用于提取特征。其次为了有效融合不同层次的特征,提出多层次特征融合模块(MFFM),将主干网络中不同层次的特征进行跨尺度融合,融合后的特征包含了不同尺度的语义信息,可以更好地适应人群计数任务中的尺度变化问题。接着为了更好地解决人群计数中存在的挑战,设计一个多尺度注意力模块(MSAM),根据不同感受野的分支提取不同尺度的特征,利用选择性Kernel通道注意力(SKCA)缓解多列结构存在的特征相似问题,并将模块生成的注意力图反馈到对应的尺度特征中,以抑制背景的干扰。网络模型在ShanghaiTechA数据集中的平均绝对误差(MAE)和均方根误差(RMSE)分别达到了56.1和93.9;在ShanghaiTechB数据集中的MAE和RMSE分别达到了6.1和10.3;在UCF_CC_50数据集中的MAE和RMSE分别达到了174.9和252.7;在Mall数据集中的MAE和RMSE分别达到了1.42和1.85。在公开数据集上的实验结果表明,提出的网络模型与现有代表性的人群计数方法相比,在提升人群计数任务的准确性和鲁棒性方面均取得了明显进展。

关键词：人群计数多尺度特征融合注意力机制神经网络密度图

来源：评论

学校读者我要写书评

暂无评论

面向跨域人群计数的教师-学生复合优化方法

引用

北京航空航天大学学报 2025年

作者：谢承杰卢树华石洋宇郑棣文中国人民公安大学信息网络安全学院

针对跨域人群计数中数据域差异较大、模型泛化能力受限等问题，提出一种基于伪标签学习与双目标近似优化的无监督跨域适应方法。该方法利用教师模型生成伪标签来训练学生模型，通过一致性学习提升学生模型的泛化能力；结合学生模型提供... 详细信息

针对跨域人群计数中数据域差异较大、模型泛化能力受限等问题，提出一种基于伪标签学习与双目标近似优化的无监督跨域适应方法。该方法利用教师模型生成伪标签来训练学生模型，通过一致性学习提升学生模型的泛化能力；结合学生模型提供的反馈信息与双目标近似对教师模型进行优化，提高教师模型指导能力。此外，为应对密集场景的跨域计数，设计了点标签与密度图双重监督任务。在Shanghai Tech A/B、UCF-QNRF与JHU-CROWD++等数据集间进行了多项跨域适应任务训练与验证实验，结果表明，所提方法能够显著提高跨域人群计数的准确性，跨域适应后MAE下降最高达18.4%，平均下降为8.7%，展现了较好的适应性和有效性。

关键词：人群计数无监督学习域适应伪标签学习教师-学生模型

来源：评论

学校读者我要写书评

暂无评论

基于多维度感知特征金字塔的人群计数算法

引用

南通职业大学学报 2025年第01期 72-79页

作者：陈慧无锡职业技术学院集成电路学院

针对人群计数中存在的尺度多变和人头误判问题，提出一种基于多维度感知特征金字塔的人群计数算法。该算法以特征金字塔编解码网络为基础，由特征聚合模块组成高效双解码结构，通过多次融合相邻层次语义信息，保留不同尺度下的细节特征... 详细信息

针对人群计数中存在的尺度多变和人头误判问题，提出一种基于多维度感知特征金字塔的人群计数算法。该算法以特征金字塔编解码网络为基础，由特征聚合模块组成高效双解码结构，通过多次融合相邻层次语义信息，保留不同尺度下的细节特征，更好地适应了人头的尺度变化。此外，在网络视野最高处引入多维度感知模块，从空间和通道等多个维度汇聚人头关键特征，更新不同位置下的特征权重，将人头信息从背景中有效加以区分，进一步缩小了单个目标的预测范围。采用多层次监督进行网络整体训练，定性与定量分析结果表明，所提算法在四个公共数据集上表现达到预期。

关键词：人群计数多维度感知特征金字塔卷积神经网络注意力机制特征融合

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv8的校园候车点人群计数系统设计与实现

引用

现代信息科技 2025年第5期9卷 72-77页

作者：陈俊贵州大学计算机科学与技术学院贵州贵阳550025

当前,国内智慧校园建设蓬勃发展,但在校园候车点人群计数方面仍存在不足。因识别目标重叠、背景环境复杂,难以兼顾识别速度与准确率。针对该问题,文章提出一种基于CNN和YOLOv8模型的方法。通过深入探讨与分析YOLOv8模型的创新点,设计了... 详细信息

当前,国内智慧校园建设蓬勃发展,但在校园候车点人群计数方面仍存在不足。因识别目标重叠、背景环境复杂,难以兼顾识别速度与准确率。针对该问题,文章提出一种基于CNN和YOLOv8模型的方法。通过深入探讨与分析YOLOv8模型的创新点,设计了一个基于YOLOv8的校园候车点人群计数系统。最终,模型在自设数据集上的平均精度达到87.4%。并且,结合可视化设计将其融入系统,实现了较为准确的候车人群计数,为解决校园候车点人群计数问题提供了助力。

关键词：人群计数 CNN YOLOv8 深度学习目标检测

来源：评论

学校读者我要写书评

暂无评论

基于VMamba与随机Mask的弱监督人群计数方法

引用

信息记录材料 2025年第3期26卷 80-82页

作者：王家豪许贤杰严华四川大学电子信息学院四川成都610065

基于密度图回归的传统人群计数方法需要像素点级别的人物对象头部标注与图像级别的计数标注,然而在回归预测值时仅使用计数标注,点标注的利用不足,相比之下,不依赖于点级标注的弱监督人群计数方法更有效率。主流弱监督人群计数模型通常... 详细信息

基于密度图回归的传统人群计数方法需要像素点级别的人物对象头部标注与图像级别的计数标注,然而在回归预测值时仅使用计数标注,点标注的利用不足,相比之下,不依赖于点级标注的弱监督人群计数方法更有效率。主流弱监督人群计数模型通常使用Transformer架构,然而其计算复杂度与模型参数量不够理想。基于此,本文引入VMamba主干网络,使模型获取全局人群信息达到线性复杂度,并设计一种随机Mask自监督训练策略用于增强训练效果。结果表明:该方法在ShangahiTech数据集上表现出有效性与先进性。本文方法一方面可以有效避免因像素级标注产生的人工成本,另一方面轻量的参数与较高的精度也能使其直接应用于交通检测、人流管理等现实任务,具有较高的性价比和实用性。

关键词：人群计数 VMamba 随机Mask

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征加权融合注意力的密集人群计数算法

引用

计算机系统应用 2025年第3期34卷 210-219页

作者：时东亮葛艳徐慕君青岛科技大学信息科学技术学院青岛266061

针对人群计数面临的人头尺寸不统一、人群密度分布不均匀、背景复杂干扰等问题,提出一种解决多尺度变化加强关注人群区域的卷积神经网络模型(multi-scale feature weighted fusion attention convolutional neural network, MSFANet).... 详细信息

针对人群计数面临的人头尺寸不统一、人群密度分布不均匀、背景复杂干扰等问题,提出一种解决多尺度变化加强关注人群区域的卷积神经网络模型(multi-scale feature weighted fusion attention convolutional neural network, MSFANet).该网络前端采用改进的VGG-16模型对输入人群图像做第1步的粗粒度特征提取,中间加入多尺度特征提取模块提取图像的多尺度特征信息.随后添加注意力模块对多尺度特征进行特征加权.后端利用锯齿状空洞卷积模块增大感受野,以提取图像的细节特征,生成高质量的人群密度图.对该模型在3个公开数据集上进行实验,结果显示,在Shanghai Tech Part B数据集上MAE (平均绝对误差)达到7.8, MSE (均方误差)达到12.5.在Shanghai Tech Part A数据集上MAE达到64.9, MSE达到108.4.在UCF_CC_50数据集上MAE达到185.1, MSE达到249.8.实验结果证实该模型有较好的准确度和鲁棒性.

关键词：人群计数深度学习多尺度特征提取注意力机制密度图

来源：评论

学校读者我要写书评

暂无评论

FF-CAM:基于通道注意机制前后端融合的人群计数

引用

计算机学报 2021年第2期44卷 304-317页

作者：张宇倩李国辉雷军何嘉宇国防科技大学信息系统工程重点实验室长沙410073

单个图像中的人群计数在计算机视觉领域中备受关注,因为其在公共安全方面具有重要作用.例如,在人群聚集的场景中监控设备可以实时监测人群数量变化,对过度拥挤和异常情况进行预警以预防安全事故的发生.然而,由于受到遮挡、透视扭曲、尺... 详细信息

单个图像中的人群计数在计算机视觉领域中备受关注,因为其在公共安全方面具有重要作用.例如,在人群聚集的场景中监控设备可以实时监测人群数量变化,对过度拥挤和异常情况进行预警以预防安全事故的发生.然而,由于受到遮挡、透视扭曲、尺度变化和背景干扰的严重影响,在单个图像中对人群计数的预测要达到较高精确度是极其困难的,其面临着巨大的挑战.在本文中,我们提出了一个名为FF-CAM的创新性模型来计算图像中的人群数量.它首先将主网络低层的特征图与高层的特征图合并,实现不同尺度的特征融合,且无需额外的分支或子任务,解决了由于透视导致的尺度多样性问题.随后融合的特征图被送入通道注意力模块以优化不同特征的融合过程,并进行特征通道的重新校准以充分使用全局和空间信息.此外,我们在网络的末端利用扩张卷积来获得高质量的人群密度图,扩张卷积层扩大了感受野,其输出包含更详细的空间信息和全局信息,不会降低空间分辨率.最后,我们加入基于SSIM的损失函数用于比较估计人群密度图和真值的局部相关性,以及基于回归人数的损失函数用于比较估计人群数量与真实人数之间的差异.我们的FF-CAM在UCF_CC_50数据集、ShanghaiTech数据集和UCF_QRNF数据集中进行训练并测试,获得了出色的结果.在UCF_CC_50数据集上比现有方法的MAE提高了4.5%,MSE提高了3.8%.

关键词：人群计数特征融合通道注意力扩张卷积高质量密度图

来源：评论

学校读者我要写书评

暂无评论

高低密度多维视角多元信息融合人群计数方法

引用

控制与决策 2023年第1期38卷 181-189页

作者：孟月波陈宣润刘光辉徐胜军李彤月西安建筑科技大学信息与控制工程学院西安710055 人工智能与数字经济广东省实验室广州510000 中国人民解放军军事科学院北京100091

针对人群密度在二维图像中随图像视角变化呈现较大差异、特征空间多尺度信息丢失等问题,提出一种多维视角多元信息融合(MDPMIF)的人群密度估计方法.首先,由“上-左-右-下”的方向对视角变化进行信息编码,通过递进聚合方式捕获深层次全... 详细信息

针对人群密度在二维图像中随图像视角变化呈现较大差异、特征空间多尺度信息丢失等问题,提出一种多维视角多元信息融合(MDPMIF)的人群密度估计方法.首先,由“上-左-右-下”的方向对视角变化进行信息编码,通过递进聚合方式捕获深层次全局上下文信息,同步提取多维度视角的尺度关系特征;然后,设计联合学习策略获取全局尺度关系特征,并将全局上下文表达、全局尺度关系特征集成,得到更全面的视角变换描述;最后,采用语义嵌入方式实现高、低阶特征相互补充,增强输出密度图的质量.同时,真实场景下的人群聚集模式存在差异,单纯密度图方法易对图像中的低聚集部分造成人群计数高估,基于此,提出一种高低密度多维视角多元信息融合人群计数网络.设计高低密度区分策略对MDPMIF输出进行高低密度区域自适应划分,高密区域保持MDPMIF网络估计结果,低密区域采用检测方法实现人群计数修正,提高模型的鲁棒性.实验结果表明,所提出方法的性能优于对比方法.

关键词：人群计数视角变化高低密度区分特征融合上下文信息尺度信息

来源：评论

学校读者我要写书评

暂无评论

编码-解码多尺度卷积神经网络人群计数方法

引用

西安交通大学学报 2020年第5期54卷 149-157页

作者：孟月波纪拓刘光辉徐胜军李彤月西安建筑科技大学信息与控制工程学院西安710055

针对基于多列卷积神经网络的人群计数方法存在的多尺度特征信息丢失、融合不佳以及密度图质量不高等问题,提出了一种编码-解码结构的多尺度卷积神经网络人群计数方法。编码器采用多列卷积捕获多尺度特征,通过空洞空间金字塔池化扩大感... 详细信息

针对基于多列卷积神经网络的人群计数方法存在的多尺度特征信息丢失、融合不佳以及密度图质量不高等问题,提出了一种编码-解码结构的多尺度卷积神经网络人群计数方法。编码器采用多列卷积捕获多尺度特征,通过空洞空间金字塔池化扩大感受野并减少参数量,保留尺度特征和图像的上下文信息;解码器对编码器输出进行上采样,实现高层语义信息和编码器前端低层特征信息有效融合,从而提升了密度图的输出质量。为增强网络对计数的敏感性,在以往像素空间损失的基础上考虑了计数误差,提出了一种新型损失函数。采用Shanghai Tech、Mall以及自建数据集进行了对比实验,结果表明:与之前最优方法相比,所提方法在Shanghai Tech数据集Part_A部分的平均绝对误差和均方误差分别降低了8.3%和21.3%,Part_B部分分别降低了12.9%和12.0%,Mall数据集分别降低了15.1%和23.8%,自建数据集分别降低了13.5%和7.1%;在不同人群场景下,所提方法的人群计数准确性和鲁棒性均优于其他对比方法的。

关键词：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

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：