车辆计数--FCN-rLSTM: Deep Spatio-Temporal Neural Networks for Vehicle Counting in City Cameras

FCN-rLSTM: Deep Spatio-Temporal Neural Networks for Vehicle Counting in City Cameras ICCV2017 https://arxiv.org/abs/1707.09476

利用监控相机来完成车辆计数,FCN+LSTM,使用 residual learning 将两者联系起来。FCN for pixel-level prediction and the strengths of LSTM for learning complex temporal dynamics

监控相机得到的视频具有以下几个特点: 1) Low frame rate 低帧率 1 fps to 0.3 fps 2)低分辨率 352 × 240, 320 × 240 or 704 × 480 3)高遮挡 特别是交通拥堵时 4)Large perspective 导致车辆尺度范围大 以上四个特点导致用这些视频来进行车辆计数难度较大。

3 FCN-rLSTM for vehicle counting 这里我们采用 FCN 将 dense (pixel-level) feature 映射为 车辆密度,避免了单个车辆的检测或跟踪。基于 FCN的密度估计 可以让我们输入任意分辨率的图像,输出车辆密度图和输入图像尺寸一样大小。当前基于密度的计数方法直接对密度图求和得到总数。这么做误差比较大,因为 large perspective and oversized vehicles (big bus or big truck),所以我们提出了 FCN-rLSTM network 来提高计数精度

3.1. FCN-rLSTM Model & Network Architecture

To accelerate training, FCN and LSTM are connected in a residual learning fashion as illustrated in Figure 4

3.2. Spatio-Temporal Multi-Task Learning 这里首先介绍了怎么生成训练样本的真值密度图,和人群计数的方法是一样的。 2D Gaussian kernels 接着定义了损失函数,包括两个部分

4 Experiments Different configurations of FCN-rLSTM

Results comparison on WebCamT

Results comparison on TRANCOS dataset

Estimated density map for multiple cameras

Results comparison on UCSD 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

来自专栏人工智能LeadAI

从CVPR2017 看多样目标检测

1、导读 When you have trouble with object detection, keep calm and use deep learnin...

4075
来自专栏贾志刚-OpenCV学堂

图像各向异性滤波

各向异性概念 各向异性(英文名称:anisotropy)是指材料在各方向的力学和物理性能呈现差异的特性。晶体的各向异性即沿晶格的不同方向,原子排列的周期性和疏...

3639
来自专栏CreateAMind

mask R-cnn检测,分割和特征点定位全部都做了

摘要 我们提出一个概念上简单,灵活,而且通用的对象实例分割框架(object instance segmentation)。我们的方法能有效检测图像中的对象,...

1092
来自专栏机器之心

资源 | 如何开启深度学习之旅?这三大类125篇论文为你导航(附资源下载)

选自Github 作者:songrotek 机器之心编译 参与:晏奇、黄小天 如果你现在还是个深度学习的新手,那么你问的第一个问题可能是「我应该从哪篇文章开始...

2866
来自专栏AI科技评论

学术丨深度学习零基础进阶第四弹​

AI 科技评论曾编译了《干货分享 | 深度学习零基础进阶大法!》系列,相信读者一定对深度学习的历史有了一个基本了解,其基本的模型架构(CNN/RNN/LSTM)...

2589
来自专栏大数据挖掘DT机器学习

Python做文本挖掘的情感极性分析

「情感极性分析」是对带有感情色彩的主观性文本进行分析、处理、归纳和推理的过程。按照处理文本的类别不同,可分为基于新闻评论的情感分析和基于产品评论的情感分析。其中...

8195
来自专栏AI科技评论

FAIR最新视觉论文集锦:FPN,RetinaNet,Mask和Mask-X RCNN(含代码实现)

这篇文章会从 FAIR 在基本模块上的创新开始,谈到 CNN,再到 one-shot 物体检测。之后会讲实例分割的创新。最后聊聊依靠弱半监督模型来扩展实例分割。...

6878
来自专栏数据科学与人工智能

【机器学习】有趣的机器学习:最简明入门指南

在听到人们谈论机器学习的时候,你是不是对它的涵义只有几个模糊的认识呢?你是不是已经厌倦了在和同事交谈时只能一直点头?让我们改变一下吧! 本指南的读者对象是所有对...

2858
来自专栏数据科学与人工智能

【应用】Python做文本挖掘的情感极性分析

「情感极性分析」是对带有感情色彩的主观性文本进行分析、处理、归纳和推理的过程。按照处理文本的类别不同,可分为基于新闻评论的情感分析和基于产品评论的情感分析。其中...

863
来自专栏专知

【业界】 | 谷歌 NIPS 2017 23篇论文:从注意力到价值预测网络(附论文下载)

【导读】2017年度神经信息处理系统大会(NIPS 2017)将于12 月份在美国长滩举行,本届NIPS共收到 3240 篇论文投稿,录用 678 篇,录用率为...

35110

扫码关注云+社区