人群密度向：CMTL
论文地址：https://arxiv.org/pdf/1707.09605.pdf
代码地址：https://github.com/svishwa/crowdcount-cascaded-mtl
Abstract
提出了一种新的端对端的级联神经网络同时学习人群数量分类以及密度图估计；
将人群数量分成不同的组别等价于粗略地对人群数目进行估计，之后其可以作为一个高水平的先验信息加入到密度图估计的神经网络中去。
Introduction
作者将主要关注点放在从单张图片中进行人群计数和密度图。现在面临比较大的挑战来源于由于观察形变导致的物体在大小和外观上的变化太大。
所谓的高水平先验就是根据一张图片中的人数将其分为不同的组的类别。这个高水平先验和一个密度图估计学习网络是通过一个级联网络进行同时学习的的。人群计数分类和密度图估计这两个任务共享一组初始卷积层，随后分别连接两个平行的网络对高层语义特征进行学习。高水平先验学习到的全局特征同密度估计得到的第二部分的特征图进行连接之后，进行反卷积操作，最后得到高精度密度图。
Proposed Method
Shared convolutional layers
这一部分由两个卷积层组成，每个卷积层后接着PReLU激活函数。第一个卷积层有16张特征图，卷积核大小为9x9；第二个卷积层有32张特征图，卷积核大小为7x7。这一浅层网络生成的特征图将会被高水平先验阶段和密度图估计阶段进行共享。
Hight-level prior stage
这一阶段将前一共享阶段输出的特征图作为输入。这一部分由四个卷积层组成，每层之后接的激活函数是PReLU。前两个卷积层后都跟着一个步长为2的最大池化层。这一阶段的最后一部分由三个卷积层组成，每个卷积层之后接的激活函数是PReLU。第一个全连接层有512个神经元，第二个全连接层有256个卷积核，最后一个全连接层有10个卷积核，随后紧跟着sigmoid层，对图片中人群数目的类别进行预测。为了实现训练的时候可以输入任意大小的图片，将SPP-net引入到最后一个卷积层之后，它可以汇总所有卷积层的特征并像全连接层输入固定尺寸的特征，此处损失函数用交叉熵损失。
Density estimation
这一部分同样由四个卷积层组成，每个卷积层后接的激活函数均为PReLU。前两个卷积层后都跟着一个步长为2的最大池化层。因此CNN的输出维度会变为原来的1/4。第一个卷积层有20张特征图，卷积核大小为7x7；第二个卷积层有40张特征图，卷积核大小为5x5；第三个卷积层有20张特征图，卷积核大小为5x5；第四个卷积层有10张特征图，卷积核大小为5x5。这一部分网络的输出，会同高水平先验阶段的最后一个卷积层的输出连接起来，然后输入到两个卷积层和两个反卷积层的结构中去，其中第一个卷积层有24张特征图，卷积核大小为3x3；第二个卷积层有32张特征图，卷积核大小为3x3；接着是两个特征数分别为16和18的反卷积层。这两个反卷积层通过将特征图恢复到原图大小，从而可以修复之前池化时损失的细节。这一阶段使用的是标准的pixel-wise的欧式距离损失。需要注意的是，这一部分的损失同前一部分cascade的输出有关。
人群密度向：CMTL相关推荐
- 深度学习上的又一重点发现——利用MSCNN实现人群密度监测
作者|李秋键 出品|AI科技大本营(ID:rgznai100) 人群密度计数是指估计图像或视频中人群的数量.密度或分布,它是智能视频监控分析领域的关键问题和研究热点,也是后续行为分析.拥塞分析.异常检 ...
- 利用opencv作透明重叠人群密度热度图
在作热度图的时候我们经常需要将热度图调整透明度后叠加在原图上达到更好的展示效果.比如检测人气密度的热度图: (来自sensetime) 一般作图的时候会第一时间想到matplotlib,因为可以很方便 ...
- 人群密度算法_算法人群的力量。
人群密度算法 介绍 (Introduction) One of the most fascinating historical examples of the power of crowds can ...
- 人群密度检测matlab算法,基于视频的人员密度检测.doc
山东建筑大学 课 程 设 计 说 明 书 题 目:课 程:数字处理课程设计院 (部):信息与电气工程学院专 业:电子信息工程班 级:学生姓名:学 号:指导教师:完成日期: 摘要3 一.设计目的4 二. ...
- 利用MSCNN实现人群密度监测
人群密度计数是指估计图像或视频中人群的数量.密度或分布,它是智能视频监控分析领域的关键问题和研究热点,也是后续行为分析.拥塞分析.异常检测和事件检测等高级视频处理任务的基础.随着城市化进程的快速推进, ...
- 人群密度检测-CSRnet
CSRNet神经网络主要用于高密度人群图片的人数估计. 前端直接使用预先训练好的VGG16神经网络, 输出图像的大小为原始输入图像的1/8 后端使用空洞卷积神经网络 在保持分辨率的同时扩大感知域, 生 ...
- 人群密度分析学习之路
研究方法 CNN 准备资料 1 数据 1.1 小型分类数据准备(代码) 学习将一个数据集合转为LMDB http://www.cnblogs.com/alexcai/p/5469436.html 1. ...
- MSCNN算法：饭堂人群密度检测实现
向AI转型的程序员都关注了这个号
- 基于MSCNN的人群密度估计之生成人群密度图
终于到了在家躺着都是给国家做贡献的时候(手动捂脸),对人员密集场所的监控和自动报警也算是对疫情的一份贡献吧,哈哈!项目地址:https://github.com/zzubqh/CrowdCount,如 ...
最新文章
- 2022-2028年中国输配电设备全产业链投资分析及前景预测报告
- python3.5安装教程-linux下安装python3.5.3的方式
- Hadoop hdfs 获取文件列表代码示例
- php并发访问排队_PHP高并发处理方案
- 通过测试想到的一些问题
- Linux 小知识翻译 - 「邮件服务器」
- 【PHP入门到精通】：Ch05：字符串处理
- SpringBoot整合Dubbo+Zookeeper进行分布式搭建系统
- php把中文写入mysql_php写入mysql中文乱码的实例解决方法
- Linux学习笔记-最基础的常用shell命令
- git 部分常用命令记录
- otdr测试波形修改软件,AQ7932(OTDR仿真分析软件)
- 在html页面中加入矢量图,在html中引用矢量图
- 鸿蒙支持ps4手柄吗,PS5硬件兼容性测试：哪些PS4硬件可以在PS5上使用
- android----面试基础概括总结
- ArcGIS学习笔记-1.功能-1.1裁剪
- 抖音怎么发起挑战 发起挑战怎么玩
- p3110 二叉堆练习3--排序
- P5144 蜈蚣 （线性DP）
- Oracle OCA、OCP、OCM认证科目及考试内容