公开(公告)号：CN114511818A

公开(公告)日：2022-05-17

申请号：CN202210093445.3

申请日：2022-01-26

Applicant: 复旦大学

Inventor： 鲍涟漪 ,  冯瑞

IPC: G06V20/52 ,  G06V10/26 ,  G06V10/46 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度注意力机制的人群密度估计方法，具有这样的特征，包括以下步骤：步骤1，对待测图像进行预处理获得预处理图像；步骤2，搭建基于多尺度注意力机制的卷积神经网络模型；步骤3，把包含多张训练图像的训练集输入基于多尺度注意力机制的卷积神经网络模型进行模型训练，得到训练完成的基于多尺度注意力机制的卷积神经网络模型；步骤4，将预处理图像输入训练完成的基于多尺度注意力机制的卷积神经网络模型，从而得出各个预处理图像中的人群密度结果并进行输出，其中，卷积神经网络模型包括密度图预测模块、局部计数图预测模块以及注意力图预测模块。本发明还公开了一种基于多尺度注意力机制的人群密度估计系统。

公开(公告)号：CN112818907A

公开(公告)日：2021-05-18

申请号：CN202110198582.9

申请日：2021-02-22

Applicant: 复旦大学

Inventor： 鲍涟漪 ,  李文熙 ,  冯瑞

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于课程学习机制的人群密度估计方法及装置，用于对与人群场景相关的待测图像进行人群密度估计得到人群密度结果，其特征在于，包括如下步骤：对训练数据集预处理得到预处理数据；构建基于课程学习机制的卷积神经网络模型，该卷积神经网络模型中包括主网络模块以及辅助网络模块；将预处理数据输入卷积神经网络模型，主网络模块从预处理数据中提取到预测密度图，辅助网络模块从预处理数据中提取到权重图；根据实际值、预测密度图以及权重图更新训练卷积神经网络模型得到训练好的卷积神经网络模型，并将其中的主网络模块作为人群密度估计模型；对待测图像预处理并输入人群密度估计模型从而得到人群密度结果。