為了提升人群圖像的計(jì)數(shù)精度,設(shè)計(jì)一種多層級(jí)多任務(wù)深度卷積網(wǎng)絡(luò)。多層級(jí)神經(jīng)網(wǎng)絡(luò)由卷積和上采樣的組合方式構(gòu)成,該網(wǎng)絡(luò)的優(yōu)點(diǎn)在于結(jié)合淺層網(wǎng)絡(luò)提取的細(xì)節(jié)信息和深層網(wǎng)絡(luò)提取的高階語(yǔ)義信息。在此基礎(chǔ)上,使用多任務(wù)學(xué)習(xí)的方法提升網(wǎng)絡(luò)性能,多任務(wù)學(xué)習(xí)分為兩個(gè)部分:人群密度估計(jì)任務(wù)和人群密度等級(jí)分類(lèi)任務(wù)。網(wǎng)絡(luò)的高分辨率層與人群密度估計(jì)任務(wù)相連,網(wǎng)絡(luò)的深層與人群密度等級(jí)分類(lèi)任務(wù)相連。將兩個(gè)任務(wù)的損失融合并構(gòu)成新的損失函數(shù)。實(shí)驗(yàn)在人群計(jì)數(shù)公共數(shù)據(jù)集ShanghaiTech、WorldExpo’10和UCF_CC₅0上進(jìn)行,實(shí)驗(yàn)結(jié)果表明,該網(wǎng)絡(luò)在人群計(jì)數(shù)上具有較好的準(zhǔn)確率和魯棒性。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1多任務(wù)學(xué)習(xí)深度網(wǎng)絡(luò)結(jié)構(gòu)

圖1多任務(wù)學(xué)習(xí)深度網(wǎng)絡(luò)結(jié)構(gòu)

圖2基于幾何自適應(yīng)內(nèi)核的人群密度圖

圖3全卷積網(wǎng)絡(luò)結(jié)構(gòu)圖

示：L=λ1Ldensity+λ2Lclass（6）其中，L代表總的損失，λ1，λ2分別為兩個(gè)任務(wù)損失函數(shù)的權(quán)重，損失函數(shù)不同，導(dǎo)致兩項(xiàng)任務(wù)實(shí)際所得的損失不同。由于人群計(jì)數(shù)作為主要目標(biāo)，以人群密度估計(jì)作為主任務(wù)，人群密度等級(jí)分類(lèi)作為輔助任務(wù)，人群密度估計(jì)的損失占有更大的比重，λ1....

本文編號(hào)：3932572