基于对抗式扩张卷积的多尺度人群密度估计
目的 人群密度估计任务是通过对人群特征的提取和分析,估算出密度分布情况和人群计数结果 .现有技术运用的CNN网络中的下采样操作会丢失部分人群信息,且平均融合方式会使多尺度效应平均化,该策略并不一定能得到准确的估计结果 .为了解决上述问题,提出一种新的基于对抗式扩张卷积的多尺度人群密度估计模型.方法 利用扩张卷积在不损失分辨率的情况下对输入图像进行特征提取,且不同的扩张系数可以聚集多尺度上下文信息.最后通过对抗式损失函数将网络中提取的不同尺度的特征信息以合作式的方式融合,得到准确的密度估计结果 .结果 在4个主要的人群计数数据集上进行对比实验.在测试阶段,将测试图像输入训练好的生成器网络,输出预测密度图;将密度图积分求和得到总人数,并以平均绝对误差(MAE)和均方误差(MSE)作为评价指标进行结果对比.其中,在ShanghaiTech数据集上Part_A的MAE和MSE分别降至60.5和109.7,Part_B的MAE和MSE分别降至10.2和15.3,提升效果明显.结论 本文提出了一种新的基于对抗式扩张卷积的多尺度人群密度估计模型.实验结果表明,在人群分布差异较大的场景中构建的算法模型有较好的自适应性,能根据不同的场景提取特征估算密度分布,并对人群进行准确计数.
人群密度估计、多尺度、对抗式损失、扩张卷积、计算机视觉、人群安全
24
TP301.6(计算技术、计算机技术)
2019-04-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
483-492