-
公开(公告)号:CN113283356B
公开(公告)日:2024-04-05
申请号:CN202110605990.1
申请日:2021-05-31
Applicant: 上海应用技术大学
IPC: G06V40/10 , G06V20/52 , G06V10/774 , G06N3/0464
Abstract: 本发明提供了一种多级注意力尺度感知人群计数方法,属于深度学习在计算机视觉中的应用。该方法具体步骤如下:S1:获取数据集;S2:构建多级注意力尺度感知神经网络;S3:调试并训练多级注意力尺度感知神经网络并测试;S4:获取摄像头图像,输入训练好的神经网络进行测试,得到该图片的预测密度图和预测人数。通过上述方式,本发明能够适用于大规模场景时的人群数量检测,有效的提高检测结果准确性。
-
公开(公告)号:CN112597964B
公开(公告)日:2021-10-22
申请号:CN202011642921.X
申请日:2020-12-30
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种分层多尺度人群计数的方法,该方法具体步骤如下:S1:获取数据集;S2:构建层次化多尺度神经网络;S3:训练层次化多尺度神经网络并测试;S4:获取摄像头图像,输入训练好的神经网络进行测试,得到该图片的预测人数。通过上述方式,本发明能够适用于大规模场景时的人群数量检测,有效的提高检测结果准确性。
-
公开(公告)号:CN113205078B
公开(公告)日:2024-04-16
申请号:CN202110605989.9
申请日:2021-05-31
Applicant: 上海应用技术大学
IPC: G06V40/10 , G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/092
Abstract: 本发明提供了一种基于多分支递进强化注意力人群计数方法,该方法具体步骤如下:S1:读取数据集,预处理数据;S2:构建多分支递进强化注意力神经网络;S3:训练多分支递进强化注意力神经网络并测试;S4:获取摄像头图像,输入训练好的神经网络进行测试,得到该图片的预测人数。通过上述方式,本发明能够适用于大规模密集人群场景时的人群数量检测,有效提高检测人数结果的准确性。
-
公开(公告)号:CN116110005A
公开(公告)日:2023-05-12
申请号:CN202310153107.9
申请日:2023-02-22
Applicant: 上海应用技术大学
Abstract: 本发明涉及一种人群行为属性的计数方法、系统及产品,属于计算机视觉领域,计数方法包括:获取复杂人群图像;构建多尺度特征融合注意力机制的人群行为属性的计数神经网络主干;基于所述复杂人群图像对所述多尺度特征融合注意力机制的人群行为属性的计数神经网络主干进行训练;获取待计数的复杂人群图像;将所述待计数的复杂人群图像输入至训练好的计数神经网络,得到计数结果。本发明中的上述方案适合用于大规模高密度人群的行为属性的划分以及人群的数量检测,有效的提高了对于检测特定人群数量的准确性。
-
公开(公告)号:CN113283356A
公开(公告)日:2021-08-20
申请号:CN202110605990.1
申请日:2021-05-31
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种多级注意力尺度感知人群计数方法,属于深度学习在计算机视觉中的应用。该方法具体步骤如下:S1:获取数据集;S2:构建多级注意力尺度感知神经网络;S3:调试并训练多级注意力尺度感知神经网络并测试;S4:获取摄像头图像,输入训练好的神经网络进行测试,得到该图片的预测密度图和预测人数。通过上述方式,本发明能够适用于大规模场景时的人群数量检测,有效的提高检测结果准确性。
-
公开(公告)号:CN113205078A
公开(公告)日:2021-08-03
申请号:CN202110605989.9
申请日:2021-05-31
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种基于多分支递进强化注意力人群计数方法,该方法具体步骤如下:S1:读取数据集,预处理数据;S2:构建多分支递进强化注意力神经网络;S3:训练多分支递进强化注意力神经网络并测试;S4:获取摄像头图像,输入训练好的神经网络进行测试,得到该图片的预测人数。通过上述方式,本发明能够适用于大规模密集人群场景时的人群数量检测,有效提高检测人数结果的准确性。
-
公开(公告)号:CN112597964A
公开(公告)日:2021-04-02
申请号:CN202011642921.X
申请日:2020-12-30
Applicant: 上海应用技术大学
Abstract: 本发明提供了一种分层多尺度人群计数的方法,该方法具体步骤如下:S1:获取数据集;S2:构建层次化多尺度神经网络;S3:训练层次化多尺度神经网络并测试;S4:获取摄像头图像,输入训练好的神经网络进行测试,得到该图片的预测人数。通过上述方式,本发明能够适用于大规模场景时的人群数量检测,有效的提高检测结果准确性。
-
-
-
-
-
-