當今,國民經(jīng)濟的高速發(fā)展導(dǎo)致社會主義城市化進度不斷推進,越來越多的人口涌向城市。據(jù)此帶來的社會問題也不斷增加,例如:人員擁擠導(dǎo)致踩踏等不安全事故的發(fā)生;候車大廳人員的增加對交通調(diào)度帶來的壓力等。解決上述問題需要準確預(yù)測出實際場景下的人群數(shù)量及分布,而圖像可以清晰直觀的反映出實際場景中的人群變化情況,因此基于靜態(tài)圖像的人群密度估計有重要的研究價值。近年來,具有獲取深層次特征能力的卷積神經(jīng)網(wǎng)絡(luò)模型在語義分割、目標檢測與識別等領(lǐng)域發(fā)展迅速,研究人員也將其應(yīng)用于人群計數(shù)領(lǐng)域并取得了較好的效果,但仍存在著一些挑戰(zhàn)尚未攻克。本文在總結(jié)分析人群密度估計領(lǐng)域前人研究工作的基礎(chǔ)上,做了以下幾方面工作:(1)在分析了現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò)的人群密度估計算法的基礎(chǔ)上,實現(xiàn)了一種多列結(jié)構(gòu)的人群密度估計算法。通過多列不同大小卷積核提取多尺度特征以應(yīng)對圖像中出現(xiàn)的不同大小的人頭信息,解決單列結(jié)構(gòu)難以處理尺度變化的問題;網(wǎng)絡(luò)末端采用卷積層取代原有的全連接層,使得輸入圖片的尺寸不受限制,網(wǎng)絡(luò)模型的應(yīng)用范圍更加廣泛。實驗結(jié)果表明,多列結(jié)構(gòu)在人群密度估計任務(wù)上具有一定的優(yōu)越性。(2)針對基于多列卷積神經(jīng)網(wǎng)絡(luò)人群密度估計方法...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1.緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)人群密度估計研究現(xiàn)狀
        1.2.2 基于深度學(xué)習(xí)的人群密度估計研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
2.深度學(xué)習(xí)與基于多列結(jié)構(gòu)的人群密度估計算法
    2.1 神經(jīng)網(wǎng)絡(luò)概述
        2.1.1 神經(jīng)網(wǎng)絡(luò)模型
        2.1.2 梯度下降法
        2.1.3 反向傳播算法
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 深度學(xué)習(xí)框架
    2.4 基于多列卷積神經(jīng)網(wǎng)絡(luò)的人群密度估計方法
        2.4.1 多尺度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.4.2 損失函數(shù)
        2.4.3 實驗結(jié)果與分析
    2.5 本章小結(jié)
3.基于編碼-解碼多尺度卷積神經(jīng)網(wǎng)絡(luò)人群密度估計算法
    3.1 密度圖生成
    3.2 編碼-解碼多尺度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.1 多尺度卷積
        3.2.2 空洞空間金字塔池化
    3.3 損失函數(shù)
    3.4 數(shù)據(jù)增強
    3.5 實驗及實驗結(jié)果分析
        3.5.1 人群密度估計數(shù)據(jù)集
        3.5.2 人群密度估計評價指標
        3.5.3 Shanghaitech數(shù)據(jù)集實驗結(jié)果
        3.5.4 Mall數(shù)據(jù)集實驗結(jié)果
        3.5.5 自建數(shù)據(jù)集實驗結(jié)果
        3.5.6 算法速度對比分析
        3.5.7 驗證實驗與分析
    3.6 本章小結(jié)
4.多尺度條件生成對抗網(wǎng)絡(luò)人群密度估計算法
    4.1 生成式對抗網(wǎng)絡(luò)
    4.2 多尺度條件對抗網(wǎng)絡(luò)模型構(gòu)建
        4.2.1 生成器模型構(gòu)建
        4.2.2 判別器模型構(gòu)建
    4.3 損失函數(shù)
    4.4 實驗結(jié)果分析
        4.4.1 數(shù)據(jù)集
        4.4.2 實驗環(huán)境及參數(shù)設(shè)置
        4.4.3 評價指標
        4.4.4 Shanghaitech數(shù)據(jù)集實驗結(jié)果
        4.4.5 Mall數(shù)據(jù)集實驗結(jié)果
        4.4.6 自建數(shù)據(jù)集實驗結(jié)果
    4.5 本章小結(jié)
5.編碼-解碼多尺度條件生成對抗網(wǎng)絡(luò)人群密度估計算法
    5.1 編碼-解碼多尺度條件對抗網(wǎng)絡(luò)模型結(jié)構(gòu)
        5.1.1 生成器模型構(gòu)建
        5.1.2 判別器模型構(gòu)建
    5.2 損失函數(shù)
    5.3 實驗結(jié)果與分析
        5.3.1 數(shù)據(jù)集
        5.3.2 實驗環(huán)境及參數(shù)設(shè)置
        5.3.3 評價指標
        5.3.4 Shanghaitech數(shù)據(jù)集實驗結(jié)果
        5.3.5 Mall數(shù)據(jù)集實驗結(jié)果
        5.3.6 自建數(shù)據(jù)集實驗結(jié)果
        5.3.7 密度圖對比結(jié)果
    5.4 本章小結(jié)
6.總結(jié)與展望
    6.1 總結(jié)
    6.2 未來展望
參考文獻
致謝
在讀期間學(xué)術(shù)科研成果



本文編號：3871744