前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >快速人群密度估计--Multi-scale Convolutional Neural Networks for Crowd Counting

快速人群密度估计--Multi-scale Convolutional Neural Networks for Crowd Counting

作者头像
用户1148525
发布2018-01-03 16:04:32
1.1K0
发布2018-01-03 16:04:32
举报
文章被收录于专栏:机器学习、深度学习

Multi-scale Convolutional Neural Networks for Crowd Counting

https://arxiv.org/abs/1702.02359

对于人群密度估计问题,由于图像中 scale variations problem,所以提出使用多个CNN来解决 Multi-column/network。使用多个CNN网络导致 网络的参数数量增加,计算量增加,不利于在实际中应用部署。

这里我们采用文献【15】中的 naive Inception module 使用 multi-scale convolutional neural network (MSCNN) 来学习 scale-relevant density maps 极大的减少了网络的参数量!

2 Multi-scale CNN for Crowd Counting Multi-scale convolutional neural network for crowd counting

这里写图片描述
这里写图片描述

网络包括三个模块:feature remapping, multi-scale feature extraction, and density map regression

Multi-scale blob with different kernel size

这里写图片描述
这里写图片描述

模型参数设置: The multi-scale CNN architecture

这里写图片描述
这里写图片描述

loss function

这里写图片描述
这里写图片描述

训练图像真值密度图根据人头标记的位置 使用 高斯核卷积得到。

实验结果: ShanghaiTech dataset

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

UCF CC 50 dataset

这里写图片描述
这里写图片描述
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017年09月29日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档