人车密度估计--Towards perspective-free object counting with deep learning

Towards perspective-free object counting with deep learning ECCV2016 https://github.com/gramuah/ccnn

本文针对人车密度估计问题,主要做了两个工作:1)提出了一个 novel convolutional neural network:Counting CNN (CCNN),将图像块回归到密度图,2)第二个工作就是 提出了一个 scale-aware counting model,Hydra CNN,用于学习 multiscale non-linear regression model

这里我们将人车密度估计问题转为回归问题

3 Deep learning to count objects 3.1 Counting objects model ground truth density map D 真值密度图 由 高斯核对人车位置进行卷积得到,有了密度图通过积分得到图像中总的人车数

3.2 The Counting CNN

这个网络使用了两个 max-pooling,输入尺寸是 72x72 ,输出的密度图尺寸是18x18 变为原来的 1/4

Given a test image, we first densely extract image patches 给定一张测试图像,我们从图像中提出很多重叠的图像块,对图像块进行密度估计,再有这些图像块密度图组合为完整图像的密度估计图

3.3 The Hydra CNN 对于一般的基于回归的计数模型,通常需要对输入特征进行 geometric correction, using an annotated perspective map of the scene 为什么需要这个矫正了? 主要还是 perspective distortion Technically, the perspective distortion exhibited by an image, causes that features extracted from the same object but at different scene depths would have a huge difference in values. As a consequence, erroneous results are expected by models which uses a single regression function

这里我们提出一个多尺度CNN组合学习网络

这个网络结构的设计参考了文献【24】

4 Experiments Vehicle counting results

UCSD dataset

UCSD dataset

UCF CC 50 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

专题 | 特征工程简介 (文末免费送AI币)

1183
来自专栏企鹅号快讯

高精准预测—人工神经网络

我就在这里等你关注,不离不弃 ——A·May R-46T-56 ? 「序 言 」 前几天学习了R中的KNN近邻分类预测的做法,KNN近邻分析法可以说是最基础的、...

1976
来自专栏AI科技评论

王宇龙:如何通过关键数据通路去理解网络行为?

AI科技评论按:神经网络长久以来的“黑盒”属性,导致人们一直无法理解网络的内部是如何运作的,针对这个困扰已久的问题,学界主要存在三种研究方向:数据归因模式、特征...

563
来自专栏AI科技大本营的专栏

逼疯懒癌:“机器学习100天大作战”正式开始!

机器学习已经成为人工智能中发展最快,应用最广、最重要的分支之一。但是这条学习之路似乎并不是那么容易,也不总是一帆风顺的。

1003
来自专栏小小挖掘机

推荐系统遇上深度学习(二十三)--大一统信息检索模型IRGAN在推荐领域的应用

信息检索领域的一个重要任务就是针对用户的一个请求query,返回一组排好序的召回列表。

1073
来自专栏量子位

怎样构建深度学习模型?六步走,时刻小心过拟合 | 入门指南

822
来自专栏IT派

随机森林之美

导语:随机森林和决策树相比,能更好的防止过拟合。虽然每个基分类器很弱,但最后组合的结果通常很强,这也类似于:“三个臭皮匠顶个诸葛亮”的思想。对比发现Random...

3834
来自专栏专知

【深度学习】一文教你如何确定好的“学习率”

【导读】近日,数据科学家Hafidz Zulkifli发布一篇文章,主要讲解了深度学习中的“学习率”,以及如何利用学习率来提高深度学习模型的性能并减少训练时间。...

3265
来自专栏人工智能LeadAI

Tensorflow新手通过PlayGround可视化初识神经网络

是不是觉得神经网络不够形象,概念不够清晰,如果你是新手,来玩玩PlayGround就知道,大神请绕道。 PlayGround是一个在线演示、实验的神经网络平台,...

4284
来自专栏机器之心

构建深度神经网络,我有20条「不成熟」的小建议

在我们的机器学习实验室中,我们已经在许多高性能的机器上进行了成千上万个小时的训练,积累了丰富的经验。在这个过程中,并不只有电脑学习到了很多的知识,事实上我们研究...

1001

扫码关注云+社区