静态图像中采用混合卷积结构进行人群密度估计

来源：计算机应用研究杂志2020年第3期北京时间：

作者：范绿源,仝明磊,李敏,南昊,

单位：上海电力学院电子与信息工程学院,上海200090；

摘要：提出了一种混合卷积神经网络用于人群数量的感知计算，在高度密集的场景中可以准确地预测人群密度图。模型仅由两个部分组成：前端为扩张卷积神经网络提取二维特征；后端采用分数步长卷积神经网络降低下采样中的信息损失。为了验证和分析算法性能，模型设计基于当前较为流行的Shanghai Tech数据集，使用回归问题的评价指标，即平均绝对误差（MAE）和均方误差（MSE）作为评估算法性能的标准。在Shanghai Tech（MAE=100.8）、UCF_CC_50（MAE=305.3）与WorldExpo’10数据集上进行测试，实验表明模型在密集场景下较以往的方法有效降低了MAE和MSE，提高了密集人群计数的准确率。

关键词：密集场景,扩张卷积,分数步长卷积,密度估计,人群计数,

基金资助：上海市自然科学基金资助项目(16ZR1413300)；；