人群计数--Mixture of Counting CNNs

Mixture of Counting CNNs: Adaptive Integration of CNNs Specialized to Specific Appearance for Crowd Counting https://arxiv.org/abs/1703.09393

本文是人群计数的,不是人群密度估计。所以网络结构比较比较简单。这里主要的思路是针对不同场景的 scale and congestion 造成图像块的 Appearance 差别很大,这里我们使用多个小 CNN 来估计总人群。另外适应一个大点的 CNN 对 图像块进行分类,这种分类主要依据人群密度大小。类别的概率作为每个小 CNN 的权重。

Appearance 的差异性

我们提出的网络结构 Mixture of Counting CNNs

3.1. Counting by MoC-CNN 网络最终的人数估计等于所有所有小CNN的人数估计权重之和。 weighed sum of output of each expert CNN

Architecture of gating and expert CNNs

这里我们认为分类的问题要更负责一些,所以对 gating CNN 我们使用了一个更大点的 CNN

我们对比测试了另外两种网络结构:

UCF CC 50 dataset

Mall dataset

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏磐创AI技术团队的专栏

谷歌发布迄今最大注释图像数据集,190万图像目标检测挑战赛启动

1523
来自专栏AI科技评论

开发丨机器学习零基础?手把手教你用TensorFlow搭建图像识别系统(一)| 干货

如果你觉得这是一篇简单介绍人工智能、机器学习和深度学习的文章,那就错啦。你可以在网上搜罗到一大堆相关话题的文章,而这篇文章也并不是讨论人工智能是否会奴役人类或抢...

4097
来自专栏FD的专栏

良心GitHub项目:各种机器学习任务的顶级结果(论文)汇总

项目地址:https://github.com//RedditSota/state-of-the-art-result-for-machine-learning...

1165
来自专栏AI科技评论

学界 | MnasNet论文解读:终端轻量化模型新思路

AI 科技评论按,本文作者陈泰红(ahong007@yeah.net),他为 AI 科技评论撰写了关于 MnasNet 论文的独家解读文章。

511
来自专栏专知

【干货】首次使用分层强化学习框架进行视频描述生成,王威廉组最新工作

【导读】加州大学-圣塔芭芭拉计算王威廉组最新工作Video Captioning via Hierarchical Reinforcement Learning...

4554
来自专栏新智元

谷歌发布MobileNetV2:推动下一代移动计算机视觉网络

1282
来自专栏数据派THU

20篇顶级深度学习论文(附链接)

本文讲述了深度学习正值快速发展进化阶段,新技术,新工具以及新的应用实现正在深刻改变着机器学习领域并不断获得累累硕果。

953
来自专栏新智元

毫秒级图像去噪!英伟达、MIT新AI系统完美去水印

【新智元导读】没有什么能阻挡我们对高清无码大图的向往。在ICML2018上,英伟达和MIT等机构的研究人员展示了一项图像降燥技术Noise2Noise,能够自动...

750
来自专栏小詹同学

人脸识别(一)——从零说起

这是关于人脸的第①篇原创!(源码在第三篇) 人脸识别的英文名称是 Face Recognition,前段时间查找资料学的时候发现,不少人将人脸识别和人脸检测(...

41310
来自专栏大数据文摘

论文Express | 谷歌DeepMind最新动作:使用强化对抗学习,理解绘画笔触

1524

扫码关注云+社区