公开(公告)号：CN116188799A

公开(公告)日：2023-05-30

申请号：CN202310117366.6

申请日：2023-02-15

Applicant: 南昌大学

Inventor： 闵卫东 ,  扶齐彦

IPC: G06V10/44 ,  G06V10/42 ,  G06V20/54 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464 ,  G06T7/00

Abstract: 本发明公开了一种基于深度时空网络的密集车辆计数方法，所述计数方法包括以下步骤：通过MSCNet将计数图像发送到VGG‑16的前十层，提取初始图像特征；采用基于方向的透视编码模块，对全局特征进行四个方向的编码；设计提取不同尺度特征信息的多尺度空洞残差模块，通过级联方法，在模块内联合不同的层形成多种空洞卷积率，并通过残差连接解决由深度网络引起的梯度消失问题；通过信道感知注意力模块学习不同信道特征的权值，增强在混合场景中提取的车辆特征。本发明通过MSCNet对车辆计数，MSCNet基于CNN的单列多分支网络，采用端到端级联框架，可以有效地挖掘交通拥堵图像中的时空数据，预测生成高质量的密度图并计算车辆数量，对车辆的计数精度高。

公开(公告)号：CN119206612A

公开(公告)日：2024-12-27

申请号：CN202411263405.4

申请日：2024-09-10

Applicant: 南昌大学

Inventor： 闵卫东 ,  邹怡 ,  韩清 ,  扶齐彦 ,  李伟铭

IPC: G06V20/52 ,  G06V10/766 ,  G06V10/82 ,  G06T7/73 ,  G06N3/0895 ,  G06V40/10

Abstract: 本发明公开了一种基于交叉型窗口自注意力机制的弱监督人群计数方法，包括：1）采用交叉型窗口自注意力机制对目标图片进行特征提取；2）引入基于全局平均池化和回归Token的CSWinCrowd结构；3）设计基于可学习位置编码模块的CSWinCrowd‑Token方案；4）结合步骤S1‑S3，提出一种基于CSWinTransformer的人群计数模型，用于目标图片的人群计数。本发明方法能够较好地捕捉序列中不同位置之间的依赖关系，解决了当前Transformer模型在人群密度变化较大时，计数效果不佳的问题。