基于局部-全局双分支网络的密集人群计数方法

摘要：

基于卷积神经网络的人群计数方法促使人群计数精度取得了显著提高.然而,密集人群中的人头尺度变化与复杂环境干扰仍是影响网络计数精度的主要因素.本文提出了一种基于局部-全局双分支网络对密集人群计数.局部分支主要由尺度感知特征提取模块实现,以建模密集人群中人头的尺度变化.全局分支主要由位置感知注意力模块实现,以增强网络对人群与背景之间的判别力.提取到的局部特征与全局特征会送入特征融合分支处理,回归人群密度图.本文方法在3个常用的人群计数数据集与一个遥感目标计数数据集上进行了实验.定量与定性结果表明了本文方法的有效性.

关键词：人群密度估计、多尺度学习、视觉注意力、深度学习

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1175-1183