基于上下文特征重聚合網絡的人群計數
信息技術與網絡安全
郝曉亮，楊倩倩，夏殷鋒，彭思凡，殷保群
(中國科學技術大學 信息科學技術學院，安徽 合肥230027)
摘要： 針對計數問題中人群目標尺度的變化問題，提出了一種基于上下文特征重聚合的計數算法。將高層網絡提取的語義信息與底層網絡提取的人群尺度細節(jié)信息相結合，旨在利用淺層網絡中提取的信息向深層網絡提取的特征中融入不同尺度的行人目標特征，從而融合多種尺度的人群特征回歸出高質量的人群密度圖。此外，在ShanghaiTech、UCF_CC_50以及 UCF_QNRF 三個數據集進行算法的性能驗證，并通過結構實驗驗證本文結構的有效性。
中圖分類號： TP391
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.07.010
引用格式： 郝曉亮，楊倩倩，夏殷鋒，等. 基于上下文特征重聚合網絡的人群計數[J].信息技術與網絡安全，2021，40(7)：59-65.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.07.010
引用格式： 郝曉亮，楊倩倩，夏殷鋒，等. 基于上下文特征重聚合網絡的人群計數[J].信息技術與網絡安全，2021，40(7)：59-65.
Context-aware feature reaggregation network for crowd counting
Hao Xiaoliang，Yang Qianqian，Xia Yinfeng，Peng Sifan，Yin Baoqun
(School of Information Science and Technology，University of Science and Technology of China，Hefei 230027，China)
Abstract： Aiming at the problem of the target scale-aware in crowd counting, this paper proposes a counting algorithm based on the reaggregation of contextual features. The semantic information extracted by the high-level network is combined with the crowd-scale detail information extracted by the low-level network, and the purpose is to use the information extracted from the low network to integrate the features of different scales into the features extracted from the deep network, thereby fusing multiple scales crowd feature return to a high-quality crowd density map. In addition, this paper performs algorithm performance verification on ShanghaiTech, UCF_CC_50 and UCF_QNRF datasets and the effectiveness of structures is verified through structural experiments.
Key words : crowd counting；context-aware feature enhance；multi-scale feature fusion；density map
0 引言
在人群計數所面臨的諸多難題中，人群尺度變化導致的計數性能下降問題備受關注。圖1所示在人群密度較大的場景中，圖片中不同區(qū)域的人群在分布上存在人頭尺度上的不均衡，對計數準確性造成嚴重的影響。為了解決此類問題，本文提出了基于上下文的特征增強方法，提取不同尺度的人頭特征，融合經過強化的特征，生成反映不同人頭尺度的密度圖。
本文詳細內容請下載：http://ihrv.cn/resource/share/2000003679
作者信息：
郝曉亮，楊倩倩，夏殷鋒，彭思凡，殷保群
(中國科學技術大學 信息科學技術學院，安徽 合肥230027)
此內容為AET網站原創(chuàng)，未經授權禁止轉載。