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

来自专栏人工智能头条

Ian Goodfellow 生成对抗网络GAN论文解析

1934
来自专栏AI研习社

YOLO9000好棒好快好强壮 阅读笔记

论文(YOLO9000:Better,Faster,Stronger)阅读笔记,由于论文较新,所以文中的很多词汇并没有对应的中文官方叫法,因此会保留一部分英文。...

37610
来自专栏AI科技大本营的专栏

苹果机器学习博客解读CVPR论文:通过对抗训练从模拟的和无监督的图像中学习

? 苹果公司通过试验证明,使用细化后的图像进行训练可以大幅提高多种机器学习任务中模型的准确度。为了克服这种缺陷,他们制定了一种细化合成图像的方法,用以提高图像...

3239
来自专栏人工智能

GAN提高人体重识别准确率

论文地址https://arxiv.org/abs/1701.07717内容简介 这篇文章的主要贡献是只使用原始数据集进行半监督学习,提高行人重识别的Basel...

2267
来自专栏机器学习、深度学习

人群分析--ResnetCrowd: A Residual Deep Learning Architecture

ResnetCrowd: A Residual Deep Learning Architecture for Crowd Counting, Violent B...

2047
来自专栏机器之心

CVPR 2018 | 腾讯优图提出SRN-DeblurNet:高效高质量去除复杂图像模糊

1853
来自专栏机器学习算法全栈工程师

基于深度学习的图像语义分割算法综述

本文翻译自An overview of semantic image segmentation,原作者保留版权。

551
来自专栏GAN&CV

训练GAN的16个trick

本文转载自:https://mp.weixin.qq.com/s/d_W0O7LNqlBuZV87Ou9uqw 新智元公众号 本文来自ICCV 20...

912
来自专栏人工智能LeadAI

目标检测研究综述+LocNet

01 localization accuracy ? ? 更准确的bounding box,提高IOU 02 目标检测的发展 1、传统的目标检测(滑动窗口的...

3725
来自专栏机器之心

AAAI 2018 | 南京大学提出用于聚类的最优间隔分布机

3325

扫码关注云+社区