人群密度估计--Crowd Counting Via Scale-adaptive Convolutional Nerual Network

Crowd Counting Via Scale-adaptive Convolutional Nerual Network https://arxiv.org/abs/1711.04433v2 Code: https://github.com/miao0913/SaCNN-CrowdCounting-Tencent_Youtu

为了解决人群密度估计中的 scale and perspective 问题,先前研究者提出使用 多尺度卷积网络来解决多尺度问题 Multiple columns have different receptive fields corresponding to pedestrians (heads) of different scales 这里我们提出一个 尺度自适应CNN网络,只使用 3 ∗ 3 滤波器,结合CNN网络不同网络层的特征 a scale-adaptive CNN (SaCNN) architecture with a backbone of fixed small receptive fields. We use all 3 ∗ 3 filters in the network

输入输出图示

3 Scale-adaptive CNN 3.1. Ground truth density maps 每个人头我们使用一个 delta function 来表示,ground truth density map D(x) 由 delta function 和 一个 Gaussian kernel 卷积得到

N 表示图像中人头总数, The sum of the density map is equivalent to the total number of pedestrians in a crowd

3.2. Network architecture

The final density map therefore has a spatial resolution of 1/8 times of the input image.

3.3. Network loss Euclidean loss to measure the distance between the estimated density map and the ground truth

引入了一个新的损失函数,侧重于 解决图像中只有几个人的情况估计效果不好的问题 introduce another loss function regarding the head count We notice that most representative approaches perform poorly on crowd scenes with few pedestrians. 原来的损失函数不能解决这个问题的原因:because the absolute pedestrian number is usually not very large in sparse crowds compared to that in dense crowds

4 Experiments

我们的新数据库:特点 人少

ShanghaiTech dataset

WorldExpo’10 dataset & UCF CC 50 dataset

SmartCity dataset

下面是和 YOLO9000 对比,各有所长

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AI研习社

干货 | 一篇文章教你用TensorFlow写名著

前言 最近看完了 LSTM 的一些外文资料,主要参考了 Colah 的 blog以及 Andrej Karpathy blog的一些关于 RNN 和 LST...

3975
来自专栏人工智能LeadAI

实现与优化深度神经网络

全连接神经网络 辅助阅读:TensorFlow中文社区教程 - 英文官方教程(http://www.tensorfly.cn/tfdoc/tutorials/m...

35611
来自专栏云霄雨霁

算法设计策略----回溯法和分枝限界法

2410
来自专栏量化投资与机器学习

机器学习模型的变量评估和选择基于技术指标『深度解析』

简介 本文重点介绍机器学习模型中输入变量(预测因子)的选择,预处理以及评估的相关细节。所有的计算和实验将用R语言来实现。 输入数据 我们将采用11个指标(振荡器...

3715
来自专栏量化投资与机器学习

【ML系列】手把手教你用Numpy构建神经网络!(附代码)

比如使用Keras,TensorFlow或PyTorch这样的高级框架,我们可以快速构建非常复杂的模型。但是,需要花时间去了解其内部结构并理解基本原理。今天,将...

3191
来自专栏AI研习社

如何使用注意力模型生成图像描述?

我们的目标是用一句话来描述图片, 比如「一个冲浪者正在冲浪」。 本教程中用到了基于注意力的模型,它使我们很直观地看到当文字生成时模型会关注哪些部分。

2142
来自专栏数据派THU

fastText、TextCNN、TextRNN…这套NLP文本分类深度学习方法库供你选择

文经公众号「机器人圈」授权转载(微信号:ROBO_AI) 本文长度为4473字,建议阅读10分钟 本文为你介绍一套NLP文本分类深度学习方法库及其12个模型。 ...

3.1K12
来自专栏小鹏的专栏

01 TensorFlow入门(2)

Working with Matrices:         了解TensorFlow如何使用矩阵对于通过计算图理解数据流非常重要。 Getting read...

2846
来自专栏Python数据科学

一款非常棒的特征选择工具:feature-selector

本篇主要介绍一个基础的特征选择工具feature-selector,feature-selector是由Feature Labs的一名数据科学家williamk...

2754
来自专栏机器之心

教程 | 利用TensorFlow和神经网络来处理文本分类问题

3487

扫码关注云+社区

领取腾讯云代金券