一种用于拥挤场景人群计数的改进膨胀卷积网络
计算机视觉与模式识别
2020-08-18 v1
摘要
利用计算机视觉的人群管理技术当今已十分普遍。这些方法存在许多安全相关应用，包括但不限于：跟踪人群阵列的流动与监控大型聚集。本文中，我们提出一种由两级串联卷积深度学习架构组成的精确监控系统。称为前端的第一部分负责转换二维信号并交付高级特征。称为后端的第二部分是一个用于替代池化层的膨胀卷积神经网络（CNN）。它负责扩大整网的感受野，并将第一网络提供的描述子转换为显著性图，用以估计高度拥挤图像中的人数。我们还提出利用遗传算法在后端的膨胀率配置中寻找优化方案。所提模型被证明比最先进方法快 30% 收敛。同时表明，在 Shanghai 数据集上应用时其平均绝对误差（MAE）降低 20%。
引用
@article{arxiv.2008.07254,
title = {An Improved Dilated Convolutional Network for Herd Counting in Crowded Scenes},
author = {Soufien Hamrouni and Hakim Ghazzai and Hamid Menouar and Yahya Massoud},
journal= {arXiv preprint arXiv:2008.07254},
year = {2020}
}