基于多尺度注意力网络的密集人群计数

来源：计算机应用与软件杂志2025年第1期北京时间：

作者：文帅, 蒋勇, 杨丹, 马金刚, 杨闻宇

摘要：针对拥挤场景下的尺度变化导致人群计数任务中精度较低的问题，提出一种基于多尺度注意力网络（MANet）的密集人群计数模型。通过构建多列模型以捕获多尺度特征，促进尺度信息融合；使用双注意力模块获取上下文依赖关系，增强多尺度特征图的信息；采用密集连接重用多尺度特征图，生成高质量的密度图，之后对密度图积分得到计数。此外，提出一种新的损失函数，直接使用点注释图进行训练，以减少由高斯滤波生成新的密度图而带来的额外的误差。在公开人群数据集ShanghaiTech Part A/B、UCF-CC-50、UCF-QNRF上的实验结果均达到了最优，表明该网络可以有效处理拥挤场景下的目标多尺度，并且生成高质量的密度图。

关键词：密集人群计数, 多尺度, 卷积神经网络, 注意力机制, 密集连接, 损失函数