-
公开(公告)号：CN112966600A
公开(公告)日：2021-06-15
申请号：CN202110242403.7
申请日：2021-03-04
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种用于拥挤人群计数的自适应多尺度上下文聚合方法，该方法包括：将样本图片输入到主干网络，提取大小为输入图像分辨率j倍的特征图；将提取的特征图以级联的形式输入到多个多尺度上下文聚合模块，提取并自适应聚合多尺度上下文信息，得到多尺度上下文特征；对生成的多尺度上下文特征进行卷积层处理，生成密度图；对所述密度图进行积分求和，得到预测人数。本发明有效地提取了多尺度信息，解决了人头大小不统一的问题，并通过通道注意力机制自适应选择和聚合有用的上下文信息，避免了信息的冗余，可以在拥挤场景下有更精确的密度估计，具有较高的鲁棒性。
-
-
公开(公告)号：CN112132023B
公开(公告)日：2024-05-17
申请号：CN202011005334.X
申请日：2020-09-22
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种基于多尺度上下文增强网络的人群计数方法，包括：输入一张图片，首先经过特征提取后，获得浅层特征与深层特征，然后通过特征融合模块进行特征融合，并将融合到的特征送入多尺度感知模块，最后通过上下文增强模块对特征的空间与通道信息进行编码，获得具有人群分布特征的密度图。通过对密度图像素进行求和可以得到当前图片估计的人数。本发明提供一种基于多尺度上下文增强网络的人群计数方法，可以有效地应对人群计数中存在的多尺度问题，并且通过对特征图的空间与通道上下文信息进行建模，可以对复杂场景的人群进行更精确的计数与密度估计。该发明具有较高的鲁棒性，能向大型人群聚集场所的安全与规划方面提供准确的数据。
-
公开(公告)号：CN114154620A
公开(公告)日：2022-03-08
申请号：CN202111449140.3
申请日：2021-11-29
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种人群计数网络的训练方法，本发明提供的方法通过多组空洞率不同的金字塔卷积核有效地提取了多尺度信息，解决了人头大小不统一的问题。通过在每一层输出都加上批量归一化，解决了网络深度增加造成难以训练的问题，同时通过残差结构在不增加参数量的情况下进一步提高了网络的深度，具有较高的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112966600B
公开(公告)日：2024-04-16
申请号：CN202110242403.7
申请日：2021-03-04
Applicant: 上海应用技术大学
IPC: G06V20/52 , G06V10/82 , G06V10/80 , G06N3/0499 , G06N3/082
Abstract: 本发明提供了一种用于拥挤人群计数的自适应多尺度上下文聚合方法，该方法包括：将样本图片输入到主干网络，提取大小为输入图像分辨率j倍的特征图；将提取的特征图以级联的形式输入到多个多尺度上下文聚合模块，提取并自适应聚合多尺度上下文信息，得到多尺度上下文特征；对生成的多尺度上下文特征进行卷积层处理，生成密度图；对所述密度图进行积分求和，得到预测人数。本发明有效地提取了多尺度信息，解决了人头大小不统一的问题，并通过通道注意力机制自适应选择和聚合有用的上下文信息，避免了信息的冗余，可以在拥挤场景下有更精确的密度估计，具有较高的鲁棒性。
-
公开(公告)号：CN112132023A
公开(公告)日：2020-12-25
申请号：CN202011005334.X
申请日：2020-09-22
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种基于多尺度上下文增强网络的人群计数方法，包括：输入一张图片，首先经过特征提取后，获得浅层特征与深层特征，然后通过特征融合模块进行特征融合，并将融合到的特征送入多尺度感知模块，最后通过上下文增强模块对特征的空间与通道信息进行编码，获得具有人群分布特征的密度图。通过对密度图像素进行求和可以得到当前图片估计的人数。本发明提供一种基于多尺度上下文增强网络的人群计数方法，可以有效地应对人群计数中存在的多尺度问题，并且通过对特征图的空间与通道上下文信息进行建模，可以对复杂场景的人群进行更精确的计数与密度估计。该发明具有较高的鲁棒性，能向大型人群聚集场所的安全与规划方面提供准确的数据。
-
公开(公告)号：CN114154620B
公开(公告)日：2024-05-21
申请号：CN202111449140.3
申请日：2021-11-29
Applicant: 上海应用技术大学
IPC: G06N3/0455 , G06N3/0464 , G06N3/082 , G06V40/10
Abstract: 本发明提供了一种人群计数网络的训练方法，本发明提供的方法通过多组空洞率不同的金字塔卷积核有效地提取了多尺度信息，解决了人头大小不统一的问题。通过在每一层输出都加上批量归一化，解决了网络深度增加造成难以训练的问题，同时通过残差结构在不增加参数量的情况下进一步提高了网络的深度，具有较高的鲁棒性。
-
公开(公告)号：CN114120233B
公开(公告)日：2024-04-16
申请号：CN202111428983.5
申请日：2021-11-29
Applicant: 上海应用技术大学
IPC: G06V20/52 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种用于人群计数的轻量金字塔空洞卷积聚合网络的训练方法，包括：输入一张图片，首先经过主干网络提取特征信息，然后将提取的特征图以级联的形式输入到多个多尺度上下文聚合模块。该模块首先用空洞率不同的卷积核提取多尺度信息，然后通过通道注意力机制自适应选择通道上下文特征信息并进行聚合。每通过一个多尺度上下文聚合模块，就通过上采样将特征图转化为分辨率更高的特征图，最后经过一个1*1的卷积核输出估计密度图，并通过积分求和得到预测的人数。本发明提供的方法通过多个空洞率不同的卷积核有效的提取了多尺度信息，解决了人头大小不统一的问题，并通过通道注意力机制自适应选择和聚合有用的上下文信息，避免了信息的冗余。
-
公开(公告)号：CN114120233A
公开(公告)日：2022-03-01
申请号：CN202111428983.5
申请日：2021-11-29
Applicant: 上海应用技术大学
Abstract: 本发明提供一种用于人群计数的轻量金字塔空洞卷积聚合网络的训练方法，包括：输入一张图片，首先经过主干网络提取特征信息，然后将提取的特征图以级联的形式输入到多个多尺度上下文聚合模块。该模块首先用空洞率不同的卷积核提取多尺度信息，然后通过通道注意力机制自适应选择通道上下文特征信息并进行聚合。每通过一个多尺度上下文聚合模块，就通过上采样将特征图转化为分辨率更高的特征图，最后经过一个1*1的卷积核输出估计密度图，并通过积分求和得到预测的人数。本发明提供的方法通过多个空洞率不同的卷积核有效的提取了多尺度信息，解决了人头大小不统一的问题，并通过通道注意力机制自适应选择和聚合有用的上下文信息，避免了信息的冗余。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.029 seconds)
