多任务多层级CNN在人群计数中的应用

发布时间：2024-03-19 20:09

　　为了提升人群图像的计数精度,设计一种多层级多任务深度卷积网络。多层级神经网络由卷积和上采样的组合方式构成,该网络的优点在于结合浅层网络提取的细节信息和深层网络提取的高阶语义信息。在此基础上,使用多任务学习的方法提升网络性能,多任务学习分为两个部分:人群密度估计任务和人群密度等级分类任务。网络的高分辨率层与人群密度估计任务相连,网络的深层与人群密度等级分类任务相连。将两个任务的损失融合并构成新的损失函数。实验在人群计数公共数据集ShanghaiTech、WorldExpo’10和UCF_CC₅0上进行,实验结果表明,该网络在人群计数上具有较好的准确率和鲁棒性。

【文章页数】：7 页

【部分图文】：

图1多任务学习深度网络结构

图1多任务学习深度网络结构

图2基于几何自适应内核的人群密度图

图3全卷积网络结构图

示：L=λ1Ldensity+λ2Lclass（6）其中，L代表总的损失，λ1，λ2分别为两个任务损失函数的权重，损失函数不同，导致两项任务实际所得的损失不同。由于人群计数作为主要目标，以人群密度估计作为主任务，人群密度等级分类作为辅助任务，人群密度估计的损失占有更大的比重，λ1....

本文编号：3932572