10.3969/j.issn.1673-629X.2019.02.016
基于改进的卷积神经网络的人群密度估计
人群密度估计是视频监控的一个研究热点, 为了得到更为准确的估计率, 将卷积神经网络应用到人群密度估计中.卷积神经网络在特征提取时能够高效自适应学习深层次的特征, 体现了其在深度学习领域的优越性, 但在预处理时会出现振荡现象, 且卷积层与子采样层间特征图的大小匹配会影响计算速度和时间.对此, 提出离散小波变换替换卷积神经网络中的子采样层, 并对网络中的权重矩阵进行重新计算, 通过权重自适应改善预处理时的振荡现象, 提高卷积网络中特征图大小的匹配度, 并将之应用到人群密度估计, 以有效地提高数据间的相关性, 增强网络的学习能力, 提高人群密度等级分类的准确率.实验结果表明, 改进后的网络具有较好的学习及分类效果和鲁棒性, 对人群密度能够进行较为准确和快速的估计.
人群密度、深度学习、小波变换、神经网络、权重自适应、特征提取
29
TP183(自动化基础理论)
山西省科技攻关计划工业资助项目2015031003-1
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
77-80