-
公开(公告)号：CN112668532B
公开(公告)日：2024-08-09
申请号：CN202110007377.X
申请日：2021-01-05
Applicant: 重庆大学
IPC: G06V20/52 , G06V10/44 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于多阶段混合注意网络的人群计数方法，属于视觉处理领域。该方法包括：S1、对输入图像进行高斯模糊生成标签密度图并进行数据增强；S2、建模多阶段混合注意网络并初始化权重参数；S3、数据增强后的训练集人群图像输入到S2的网络中进行训练，并将输出密度图与标签密度图作欧几里德损失计算误差，通过误差反向传播更新网络参数直到训练结束并保存最优模型；S4、将测试集人群图像输入到最优模型中输出密度图并进行积分得到估计人数。
-
公开(公告)号：CN116092011A
公开(公告)日：2023-05-09
申请号：CN202310176297.6
申请日：2023-02-27
Applicant: 重庆大学
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/0895
Abstract: 本发明涉及计算机视觉领域和人群计数技术领域，具体涉及一种基于混合监督多任务学习的域适应人群计数方法及存储介质，方法包括：S1、根据输入图像生成标签密度图、标签人数和标签颠倒判断值；S2、建模；S3、对训练集进行训练，并将三种输出与对应的监督标签进行混合监督，使用三种损失函数计算误差，通过误差反向传播更新网络参数直至得到最优模型；S4、对于新数据集，需要对模型进行微调，生成标签人数和标签颠倒判断值作为监督标签；S5、将三种输出与两种监督标签通过损失函数计算误差，得到微调最优模型；S6、将测试集输入到最优模型中得到估计人数。本发明解决了现有技术不同数据分布差异与目标场景人群标注量少带来的计数准确性差的问题。
-
公开(公告)号：CN116092011B
公开(公告)日：2024-07-26
申请号：CN202310176297.6
申请日：2023-02-27
Applicant: 重庆大学
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06V10/776 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/0895
Abstract: 本发明涉及计算机视觉领域和人群计数技术领域，具体涉及一种基于混合监督多任务学习的域适应人群计数方法及存储介质，方法包括：S1、根据输入图像生成标签密度图、标签人数和标签颠倒判断值；S2、建模；S3、对训练集进行训练，并将三种输出与对应的监督标签进行混合监督，使用三种损失函数计算误差，通过误差反向传播更新网络参数直至得到最优模型；S4、对于新数据集，需要对模型进行微调，生成标签人数和标签颠倒判断值作为监督标签；S5、将三种输出与两种监督标签通过损失函数计算误差，得到微调最优模型；S6、将测试集输入到最优模型中得到估计人数。本发明解决了现有技术不同数据分布差异与目标场景人群标注量少带来的计数准确性差的问题。
-
公开(公告)号：CN112668532A
公开(公告)日：2021-04-16
申请号：CN202110007377.X
申请日：2021-01-05
Applicant: 重庆大学
Abstract: 本发明涉及一种基于多阶段混合注意网络的人群计数方法，属于视觉处理领域。该方法包括：S1、对输入图像进行高斯模糊生成标签密度图并进行数据增强；S2、建模多阶段混合注意网络并初始化权重参数；S3、数据增强后的训练集人群图像输入到S2的网络中进行训练，并将输出密度图与标签密度图作欧几里德损失计算误差，通过误差反向传播更新网络参数直到训练结束并保存最优模型；S4、将测试集人群图像输入到最优模型中输出密度图并进行积分得到估计人数。
-
-
-
Search Results
4
records
(took 0.017 seconds)
