基于上下文特征重聚合网络的人群计数
信息技术与网络安全
郝晓亮，杨倩倩，夏殷锋，彭思凡，殷保群
(中国科学技术大学 信息科学技术学院，安徽 合肥230027)
摘要：针对计数问题中人群目标尺度的变化问题，提出了一种基于上下文特征重聚合的计数算法。将高层网络提取的语义信息与底层网络提取的人群尺度细节信息相结合，旨在利用浅层网络中提取的信息向深层网络提取的特征中融入不同尺度的行人目标特征，从而融合多种尺度的人群特征回归出高质量的人群密度图。此外，在ShanghaiTech、UCF_CC_50以及 UCF_QNRF 三个数据集进行算法的性能验证，并通过结构实验验证本文结构的有效性。
中图分类号：TP391
文献标识码：A
DOI：10.19358/j.issn.2096-5133.2021.07.010
引用格式： 郝晓亮，杨倩倩，夏殷锋，等. 基于上下文特征重聚合网络的人群计数[J].信息技术与网络安全，2021，40(7)：59-65.
文献标识码：A
DOI：10.19358/j.issn.2096-5133.2021.07.010
引用格式： 郝晓亮，杨倩倩，夏殷锋，等. 基于上下文特征重聚合网络的人群计数[J].信息技术与网络安全，2021，40(7)：59-65.
Context-aware feature reaggregation network for crowd counting
Hao Xiaoliang，Yang Qianqian，Xia Yinfeng，Peng Sifan，Yin Baoqun
(School of Information Science and Technology，University of Science and Technology of China，Hefei 230027，China)
Abstract：Aiming at the problem of the target scale-aware in crowd counting, this paper proposes a counting algorithm based on the reaggregation of contextual features. The semantic information extracted by the high-level network is combined with the crowd-scale detail information extracted by the low-level network, and the purpose is to use the information extracted from the low network to integrate the features of different scales into the features extracted from the deep network, thereby fusing multiple scales crowd feature return to a high-quality crowd density map. In addition, this paper performs algorithm performance verification on ShanghaiTech, UCF_CC_50 and UCF_QNRF datasets and the effectiveness of structures is verified through structural experiments.
Key words :crowd counting；context-aware feature enhance；multi-scale feature fusion；density map
0 引言
在人群计数所面临的诸多难题中，人群尺度变化导致的计数性能下降问题备受关注。图1所示在人群密度较大的场景中，图片中不同区域的人群在分布上存在人头尺度上的不均衡，对计数准确性造成严重的影响。为了解决此类问题，本文提出了基于上下文的特征增强方法，提取不同尺度的人头特征，融合经过强化的特征，生成反映不同人头尺度的密度图。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003679
作者信息：
郝晓亮，杨倩倩，夏殷锋，彭思凡，殷保群
(中国科学技术大学 信息科学技术学院，安徽 合肥230027)
此内容为AET网站原创，未经授权禁止转载。