检索结果-内蒙古大学图书馆

计算机工程与应用 2019年第23期55卷 182-187,208页

作者：南昊仝明磊范绿源李敏上海电力学院电子与信息工程学院

为了提升人群图像的计数精度,设计一种多层级多任务深度卷积网络。多层级神经网络由卷积和上采样的组合方式构成,该网络的优点在于结合浅层网络提取的细节信息和深层网络提取的高阶语义信息。在此基础上,使用多任务学习的方法提升网络性... 详细信息

为了提升人群图像的计数精度,设计一种多层级多任务深度卷积网络。多层级神经网络由卷积和上采样的组合方式构成,该网络的优点在于结合浅层网络提取的细节信息和深层网络提取的高阶语义信息。在此基础上,使用多任务学习的方法提升网络性能,多任务学习分为两个部分:人群密度估计任务和人群密度等级分类任务。网络的高分辨率层与人群密度估计任务相连,网络的深层与人群密度等级分类任务相连。将两个任务的损失融合并构成新的损失函数。实验在人群计数公共数据集ShanghaiTech、WorldExpo’10和UCFCC50上进行,实验结果表明,该网络在人群计数上具有较好的准确率和鲁棒性。

关键词：人群计数卷积神经网络多任务学习人群密度估计人群密度等级分类

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制与编解码结构的人群计数网络

引用

传感器与微系统 2023年第5期42卷 78-82,86页

作者：黄友文肖贵光豆恒江西理工大学信息工程学院江西赣州341000

针对人群计数任务中背景干扰和尺度变化影响计数精度的问题,提出一种基于注意力机制与编解码结构的人群计数网络CAENet。网络以编解码结构为骨干,基于特征金字塔设计多尺度融合(MF)模块,使编码器中具有不同尺度语义信息的特征进行融合... 详细信息

针对人群计数任务中背景干扰和尺度变化影响计数精度的问题,提出一种基于注意力机制与编解码结构的人群计数网络CAENet。网络以编解码结构为骨干,基于特征金字塔设计多尺度融合(MF)模块,使编码器中具有不同尺度语义信息的特征进行融合。引入通道注意力机制,使用一条单独的解码通道设计注意力模块(AM),将模块生成的注意力图反馈到解码器的各个阶段用于抑制背景干扰。网络通过逐级监督的方式完成训练,并将最后一层输出的密度图作为最终的预测结果。在多个公开数据集的测试结果表明:该网络在固定场景中的人群计数任务中具有较高的准确性,且鲁棒性强,泛化性能良好。

关键词：人群计数背景干扰编解码多尺度融合通道注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于注意力卷积神经网络的人群计数算法研究

基于注意力卷积神经网络的人群计数算法研究

引用

作者：张友梅山东大学

学位级别：博士

随着社会的快速发展及城市化进程的加速推进,近年来公用和民用视频监控数量保持海量增长。为更高效快速地利用视频数据,许多国家开始系统地研究智能视频监控技术。人群计数作为智能视频监控系统的重要任务之一,在公共安全及商业领域都... 详细信息

随着社会的快速发展及城市化进程的加速推进,近年来公用和民用视频监控数量保持海量增长。为更高效快速地利用视频数据,许多国家开始系统地研究智能视频监控技术。人群计数作为智能视频监控系统的重要任务之一,在公共安全及商业领域都有十分重要的理论和应用价值,近年来已经成为机器视觉和人工智能领域的研究热点。随着学术界和工业界对该问题的研究,人群计数算法的计数准确度已经有了明显的提高,但在实际应用中仍面临较多挑战:在实际场景中,视频监控采集到的视频图像中往往存在复杂背景,其中部分特殊背景与人群或人头形态相似,易被误判为人群;人群中个体自由度较高,导致人群分布杂乱且密度差异大,增加了计数难度;受拍摄距离及角度的影响,视频监控中人头尺寸也存在较大差异,影响了人头区域定位的准确性。以上三个问题都严重影响了人群计数的准确度。本文依次针对以上三个挑战对人群计数算法进行了研究,主要内容及创新点归纳如下:1.针对人群图像复杂背景下出现的个体差异问题,设计了对图像块表观特征进行分类的辅助训练任务,形成了辅助训练机制的人群计数方法,有效缓解了人群目标误判的问题。该计数方法的创新点可归纳为:(1)计数整体流程避免了前景分割、人头提取等复杂任务,仅需对全局图像进行分块。(2)该计数方法基于卷积神经网络设计了端到端的训练结构,避免了传统机器学习算法中人工特征提取和回归模型设计等耗时耗力的任务。(3)根据人头朝向等表观特征所设计的辅助训练任务与人群计数任务实现参数硬共享,在网络训练过程中提取到多语义信息并有效辅助网络在空间中关注人头位置,从而提高了人群计数的准确度。2.针对图像中的复杂背景将注意力模块应用于人群计数,形成了人头注意力机制的人群计数方法,有效过滤了图像中的非人头信息。该计数方法的创新点可归纳为:(1)在传统的注意力模块基础上进行了改进并首次应用于人群计数领域。注意力模块与卷积神经网络的结合可指导网络关注人头位置从而有效过滤图像中的非人头信息,因此该网络对复杂背景具有鲁棒性。(2)为提高对稀疏人群的计数准确度,设计了相对误差损失函数,提升了稀疏人群样本在网络训练过程中的重要性,从而提高了对稀疏人群数据生成密度图的清晰度和准确度。3.针对人群杂乱分布这一挑战,延续了辅助训练思想并设计了结合空洞卷积和多个注意力机制的多分辨率注意力模块,有效提升了人群计数的准确度。该人群计数方法的创新点可归纳为:(1)将密度等级分类和人群计数任务训练所得的多语义特征进行级联,对人群杂乱分布而导致密度不均的情况具有鲁棒性。(2)将注意力模块进行改进,基于连续卷积层的特征分别生成注意力图并将其加和来强化人头位置的特征。(3)结合改进的注意力模块和空洞卷积操作设计了多分辨率注意力模块。其中的空洞卷积操作以较少的参数学习到具有更大感受野的特征,一方面为注意力图的生成提供更丰富的信息从而更准确地定位人头区域,另一方面可获取全局信息,提升网络对杂乱人群的鲁棒性。4.针对人头尺寸差异问题,利用AlexNet的特征提取能力融合了多个卷积层的特征进行人群计数,增强了网络处理多尺度目标的能力。另外,设计了可提取更多不同感受野特征的多尺度自适应网络,该网络可根据不同输入自适应加强具有对应感受野大小的特征通道,降低了弱相关特征通道的竞争性。尺度自适应人群计数网络的创新点可归纳为.:(1)设计了由传统卷积分支和空洞卷积分支组成的尺度扩大单元,单个尺度扩大单元可提取具有两种不同感受野的特征。(2)采用密集连接模式将多个尺度扩大单元进行连接,进一步增大了感受野范围,同时使感受野在一定范围内分布更密集,因此可有效处理图像或视频中人头尺寸差异问题。(3)设计了通道注意力单元来针对输入图像中不同的人头尺寸有选择性地增强具有合适感受野的特征通道,有效缓解了不同特征通道间的竞争所导致的负面影响。5.为探究不同模态数据在网络训练中对网络贡献的差异,本文设计了模态加权神经网络,可在网络训练过程中自适应提高重要模态数据的权重。另外,该网络是尺度自适应网络中通道注意力单元的设计基础。该网络的创新点可归纳为:(1)在自动编码器的基础上设计了结构化正则项,指导网络在训练过程中为不同模态的数据分配权重,从而学习不同模态数据对网络贡献的差异,因此更有效地利用了多模态数据。(2)该网络适用于具有多种模态输入的分类任务,可根据不同任务设置网络超参数并基于多模态数据进行训练,具有普适性。

关键词：人群计数卷积神经网络辅助训练机制注意力机制尺度自适应

来源：评论

学校读者我要写书评

暂无评论

基于像素距离图和四维动态卷积网络的密集人群计数与定位方法

引用

计算机应用 2024年第7期44卷 2233-2242页

作者：高阳峄雷涛杜晓刚李岁永王营博闵重丹陕西科技大学电子信息与人工智能学院西安710021 陕西省人工智能联合实验室(陕西科技大学) 西安710021 中铁第一勘察设计院集团有限公司西安710043

基于卷积神经网络(CNN)获得回归密度图的方法已成为人群计数与定位的主流方法,但现有方法仍存在两个问题:首先传统方法获得的密度图在人群密集区域存在粘连和重叠问题,导致网络最终人群计数和定位错误;其次,常规卷积由于其权重不变,无... 详细信息

基于卷积神经网络(CNN)获得回归密度图的方法已成为人群计数与定位的主流方法,但现有方法仍存在两个问题:首先传统方法获得的密度图在人群密集区域存在粘连和重叠问题,导致网络最终人群计数和定位错误;其次,常规卷积由于其权重不变,无法实现对图像特征的自适应提取,难以处理复杂背景和人群密度分布不均匀的图像。为解决上述问题,提出一种基于像素距离图(PDMap)和四维动态卷积网络(FDDCNet)的密集人群计数与定位方法。首先定义了一种新的PDMap,利用像素级标注点之间的空间距离关系,通过取反操作提高人头中心点周围像素的平滑度,避免人群密集区域的粘连重叠;其次,设计了一种FDDC模块,自适应地改变卷积四个维度的权重,提取不同视图提供的先验知识,应对复杂场景和分布不均匀导致的计数与定位困难,提高网络模型的泛化能力和鲁棒性;最后,采用阈值过滤局部不确定预测值,进一步提高计数与定位的准确性。在NWPU-Crowd数据集的测试集上:在人群计数方面,所提方法的平均绝对误差(MAE)和均方误差(MSE)分别为82.4和334.7,比MFP-Net(Multi-scale Feature Pyramid Network)分别降低了8.7%和26.9%;在人群定位方面,所提方法的综合评价指标F1值和精确率分别为71.2%和73.6%,比TopoCount(Topological Count)方法分别提升了3.0%和5.9%。实验结果表明,所提方法能够处理复杂背景的密集人群图像,取得了更高的计数准确率和定位精准度。

关键词：卷积神经网络人群计数人群定位距离变化动态卷积局部极大值检测

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的人群计数算法综述

引用

电子测量技术 2022年第7期45卷 152-159页

作者：田月媛邓淼磊高辉张德贤河南工业大学信息科学与工程学院郑州450001 河南省粮食信息处理国际联合实验室郑州450001

人群计数在视频监控、公共安全、智能商业等许多领域都有广泛的应用,近年来,随着深度学习的不断发展,人群计数已经成为计算机视觉领域研究的热点之一。本文根据提取特征方式的不同,将人群计数分为两类一类是传统方法,另一类是基于深度... 详细信息

人群计数在视频监控、公共安全、智能商业等许多领域都有广泛的应用,近年来,随着深度学习的不断发展,人群计数已经成为计算机视觉领域研究的热点之一。本文根据提取特征方式的不同,将人群计数分为两类一类是传统方法,另一类是基于深度学习的方法,对基于卷积神经网络的方法进行重点分析和介绍;进一步介绍了人群计数领域的基准数据集和其他代表性数据集,实验结果表明,在人群密集和尺度变化较大的场景,基于卷积神经网络的方法优于传统方法,在尺度变化较大、人群较复杂的场景中多列网络比单列网络计数更加准确,效果更好;最后讨论了算法的未来发展方向。

关键词：人群计数卷积神经网络深度学习计算机视觉

来源：评论

学校读者我要写书评

暂无评论

自适应融合特征的人群计数网络

引用

计算机工程与应用 2021年第21期57卷 203-208页

作者：左健豪姜文刚江苏科技大学电子信息学院江苏镇江212003

针对人群计数方法中存在的尺度变化和多层级特征融合不佳的问题,基于U-Net的编码器-解码器网络结构,提出一种自适应特征融合网络,来进行精准的人群计数。提出自适应特征融合模块,根据解码器分支的需要,高效地聚合编码器分支提取的高层... 详细信息

针对人群计数方法中存在的尺度变化和多层级特征融合不佳的问题,基于U-Net的编码器-解码器网络结构,提出一种自适应特征融合网络,来进行精准的人群计数。提出自适应特征融合模块,根据解码器分支的需要,高效地聚合编码器分支提取的高层语义信息和底层的边缘信息;提出自适应上下文信息提取器,从不同感受野下提取多尺度的上下文信息并自适应加权融合,提高网络对于人头尺度变化的鲁棒性。在ShanghaiTech、UCF-CC-50和UCG-QNRF上的实验表明,与目前主流的人群计数算法相比,该算法具有更强的准确性和鲁棒性。

关键词：人群计数卷积神经网络密度估计多层级特征尺度变化特征融合

来源：评论

学校读者我要写书评

暂无评论

图像及视频人群计数方法研究

图像及视频人群计数方法研究

引用

作者：董丽哈尔滨工业大学

学位级别：博士

随着世界人口的指数级增长及新型冠状病毒肺炎疫情的全球性流行,公共安全、智能监控等领域被赋予了新的机遇。人群计数问题作为其中的关键子问题成为了计算机视觉领域的研究热点。人群计数任务的目标为自动地估计出给定图像或视频帧中... 详细信息

随着世界人口的指数级增长及新型冠状病毒肺炎疫情的全球性流行,公共安全、智能监控等领域被赋予了新的机遇。人群计数问题作为其中的关键子问题成为了计算机视觉领域的研究热点。人群计数任务的目标为自动地估计出给定图像或视频帧中的人群数量。相较于传统的基于探测的方法,基于深度卷积神经网络的模型在拥挤的人群场景中取得了比传统方法更优的性能。但由于存在诸如人体头部尺度变化、人群分布不均、人体头部标注困难等问题,图像及视频人群计数任务仍具有挑战性。本文针对图像及视频人群计数任务中存在的问题和挑战展开研究。具体研究内容总结如下: (1)针对人体头部尺度变化问题,提出了基于卷积神经网络的尺度感知模型。该模型采用编-解码结构,融合了两种多尺度机制,即:在编码阶段采用不同大小的卷积核提取多尺度特征;在解码阶段融合网络不同阶段生成的多尺度特征,并生成最终的高斯人群密度估计图。此外,考虑到人群密度分布信息包含着人体头部大小的关键信息,提出了多维度基于密度的空间分布特征,以辅助网络融合上述两种类型的多尺度特征。在多个数据集上的实验结果表明,该模型能够有效地缓解人群计数任务中的人体头部尺度变化问题。 (2)针对人群分布不均问题,提出了基于自适应6)近邻关系的混合真值方法。首先,该方法采用改进的自注意力机制来建模像素点间的全局依赖关系,并利用像素间自适应的6)近邻关系,对像素点特征进行增强。其次,引入了权重关注机制,使该方法专注于6)近邻关系中具有高权重的位置。再次,以由粗到细的方式生成高斯人群密度图,并将其作为人群分布信息逐步融入网络,以辅助网络融合多尺度特征及生成最终的人群密度点图。最后,采用U形结构来生成人群密度点图,证明了多尺度结构对于生成人群密度点图的重要意义。在多个数据集上的实验结果表明,该方法能够有效地处理人群分布不均场景下的人群计数问题。 (3)针对人体头部标注困难的问题,提出了基于Transformer的弱监督人群计数方法。当前人群计数方法多采用点状标注,即使用一个点标注图像中的每个人。然而,该方法不仅标注成本高,且在评测阶段,人体头部位置信息也未被纳入评估指标中。相反,计数级标注法则因只需标注出图像中的人群数量,而大大地降低了标注量和难度。因此,本文提出了一个弱监督方法采用计数级标注作为监督信息,其借助类金字塔Transformer模型提取多层次的特征,并采用U形网络结构,以从粗到细的方式回归人群数量。首先,结合人群计数任务中人群分布不均的特点,提出了一种场景自适应的自注意力机制,并将其集成到Twins模型中,以提高其特征提取能力。其次,引入了多级弱监督损失函数来辅助梯度的反向传播,以进一步提高人群计数的性能。最后,由计数级标注监督生成的中间特征,被作为人群位置和分布的关键线索,帮助网络融合多尺度特征。在多个数据集上的实验结果表明,该方法在弱监督的设置下,也能取得有竞争力的人群计数效果。 (4)针对视频人群计数任务的特点,提出了基于局部交叉时空关系的视频人群计数方法。首先,考虑到相邻帧间的局部时空一致性,提出了局部交叉关系模块,通过自适应局部自注意机制建模相邻帧间像素的局部依赖关系,从而在交叉方向上增强相邻视频帧的特征表示。其次,提出了一种自适应余弦相似性来衡量像素点间的关系。再次,考虑到相邻帧间场景变化的不均性,提出了场景一致性注意力机制,使局部交叉关系模块更关注相邻帧中具有强关联性的位置。最后,局部交叉关系模块以从粗到细的方式被集成到网络中,以更好地适应人体头部的多尺度特性。在多个公共视频数据集上的实验结果表明,该方法在提取及融合相邻视频帧间时空特征方面的有效性。

关键词：人群计数卷积神经网络自注意力 Transformer 多尺度时空信息

来源：评论

学校读者我要写书评

暂无评论

面向人群计数的对偶卷积神经网络

引用

信阳师范学院学报（自然科学版） 2021年第4期34卷 650-654页

作者：郭华平王锐王敬孙艳歌李健李萌信阳师范学院计算机与信息技术学院河南信阳464000

基于卷积神经网络(CNN)人群计数方法的核心是如何构建能将人群图有效映射为密度图的CNN模型,进而从密度图准确地估计出人群数量.传统构建CNN的方法只考虑了人群图到密度图的映射,并未考虑密度图到人群图的映射,以及该映射对模型性能的影... 详细信息

基于卷积神经网络(CNN)人群计数方法的核心是如何构建能将人群图有效映射为密度图的CNN模型,进而从密度图准确地估计出人群数量.传统构建CNN的方法只考虑了人群图到密度图的映射,并未考虑密度图到人群图的映射,以及该映射对模型性能的影响.为了解决以上问题,提出一种基于卷积神经网络的对偶模型(Dual Convolutional Neural Networks,DualCNN)以提高模型将人群图映射为密度图准确性.DualCNN包含有两个映射子模型:1)将人群图映射到密度图的卷积神经模型,2)将密度图映射到人群图的对偶卷积神经模型.在学习过程中,通过两个子模型的相互影响,进而达到提高卷积神经模型在人群计数问题上的性能.在UCF_CC_50数据集和ShangHaitech数据集上的实验结果表明,该方法能有效提升CNN的计数性能,尤其在UCF_CC_50数据集中,DualCNN将MCNN和CSRNet的平均绝对误差(MAE)分别降低15.6%和15.8%,最小均方误差(MSE)分别降低18.1%和28.8%.

关键词：人群计数人群图密度图对偶卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的视频人群计数系统

引用

太赫兹科学与电子信息学报 2020年第3期18卷 515-519页

作者：向东卿粼波何小海吴晓红四川大学电子信息学院四川成都610065

人群自动计数问题在视频监控领域引起了广泛关注。近年来,卷积神经网络(CNN)模型在人群计数方面取得了良好效果。然而,当前对于基于深度学习的人群计数的研究主要停留在PC端上对单幅静止图片的人群计数,网络模型参数量巨大,网络结构复杂... 详细信息

人群自动计数问题在视频监控领域引起了广泛关注。近年来,卷积神经网络(CNN)模型在人群计数方面取得了良好效果。然而,当前对于基于深度学习的人群计数的研究主要停留在PC端上对单幅静止图片的人群计数,网络模型参数量巨大,网络结构复杂,消耗的计算资源巨大,难以部署于实际的监控视频人群计数系统。因此,本文采用深度学习的方法,通过对网络模型进行裁剪压缩,同时使用TensorRT对模型进行加速,在嵌入式平台上实现了接近实时的人群计数。提出的人群计数平均绝对误差(MAE)为21.6且平均每秒帧数(FPS)为22,在精确度和速度方面达到了一个很好的平衡,在嵌入式平台上运行速度较快,能达到实时的效果。

关键词：人群计数深度学习模型压缩 NVIDIA Jeston TX2平台

来源：评论

学校读者我要写书评

暂无评论

基于尺度空间金字塔网络的人群计数算法

引用

中国科技论文 2021年第3期16卷 276-280页

作者：刘彦博贾瑞生徐志峰山东科技大学计算机科学与工程学院山东青岛266590 山东省智慧矿山信息技术省级重点实验室山东青岛266590

针对人群密度大和分布不均等因素造成计数困难的问题,提出了一种基于尺度空间金字塔网络的人群计数算法。首先通过迁移经典网络VGG16的前10层作为前端模块提取初步特征;然后使用尺度空间金字塔模块提取多尺度人群特征,并在该模块中引入... 详细信息

针对人群密度大和分布不均等因素造成计数困难的问题,提出了一种基于尺度空间金字塔网络的人群计数算法。首先通过迁移经典网络VGG16的前10层作为前端模块提取初步特征;然后使用尺度空间金字塔模块提取多尺度人群特征,并在该模块中引入扩张卷积,通过增大感受野进一步优化特征图,以解决人群拥挤和人群分布不均的问题;最后使用1×1的卷积层将特征图回归为密度图。实验结果表明,与对比算法相比,所提算法的平均绝对误差(mean absolute error,MAE)和均方误差(mean square error,MSE)均显著降低,可取得较好的人群计数效果。

关键词：图像处理人群计数前端模块尺度空间金字塔模块扩张卷积密度图

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：