10.3969/j.issn.1000-386x.2022.04.036
基于视觉注意力机制的人群密度估计方法
针对人群图像中尺度变化大及现有密度估计网络泛化性能差的问题,提出一种基于视觉注意力机制的人群密度估计方法.该网络模型基于VGG-16网络,由空间注意力模块(Spatial Attention Module,SAM)、全局注意力模块(Global Attention Module,GAM)及融合模块(Fusion Module,FM)等几个模块组成,通过在网络不同层级中引入注意力机制来选择性地增强网络的功能,提高多尺度级联的有效性.设计一个弱监督学习来扩展提出的密度估计网络,使人群密度估计模型可以适应不同的场景和数据集.实验结果表明,该方法对不同尺度、不同场景下的人群密度图像都有很好的适用性和准确性,算法性能也优于现有的人群密度估计算法.
人群密度估计、注意力机制、弱监督学习、密度图
39
TP391.4(计算技术、计算机技术)
江苏省高校自然科学基金项目;全国高等院校计算机基础教育研究会重点立项课题;江苏省青蓝工程优秀团队
2022-06-29（万方平台首次上网日期，不代表论文的发表时间）
共6页
228-233
