公开(公告)号：CN111985381B

公开(公告)日：2022-09-09

申请号：CN202010814302.8

申请日：2020-08-13

Applicant: 杭州电子科技大学

Inventor： 张硕 ,  孔亚广 ,  陈张平 ,  郑小青 ,  张帆 ,  赵晓东 ,  陈云

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

Abstract: 本发明涉及一种基于伸缩卷积神经网络的引导区域密集人群计数方法。本发明首先进行人群计数数据集等级划分；其次进行引导区域选取；然后调整引导区域尺度一致；最后通过伸缩卷积神经网络得到最终的人群数目预测。本发明有效的提取了人群计数数据集的密集人群区域，提高了图片的抗干扰能力，且对网络模型深度进行了加强，有效的解决了尺度不均匀、遮挡严重等场景，加入了自适应分块损失函数与感知损失、欧式损失融合来优化模型，提高了密度图的分辨率质量，提升密集人群计数的准确性。

公开(公告)号：CN114694102A

公开(公告)日：2022-07-01

申请号：CN202210451241.2

申请日：2022-04-24

Applicant: 杭州电子科技大学 ,  杭电(海宁)信息科技研究院有限公司

Inventor： 张硕 ,  郑小青 ,  俞勇 ,  孔亚广 ,  赵晓东

IPC: G06V20/52 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度空间引导感知聚合网络的人群计数方法，包括如下步骤：S1、建立多尺度特征提取网络；S2、将任意分辨率地图像输入至多尺度特征提取网络；S3、将多尺度特征提取网络捕获地多尺度特征输入到空间引导网络，并输出上下文引导感知特征和引导感知图；S4、将上下文引导感知特征和引导感知图传到注意力融合网络，最后输出密度图，并构建密度图训练集；S5、建立自适应尺度损失函数，并通过密度图训练集进行自适应训练；S6、将需待预测的图像作为输入，重复步骤S2‑S5，输出待预测图像中人群计算结果。利用合理、高效的引导方法对自适应捕获的空间环境进行聚合多尺度信息，提高计数的准确性和鲁棒性。

公开(公告)号：CN111985381A

公开(公告)日：2020-11-24

申请号：CN202010814302.8

申请日：2020-08-13

Applicant: 杭州电子科技大学

Inventor： 张硕 ,  孔亚广 ,  陈张平 ,  郑小青 ,  张帆 ,  赵晓东 ,  陈云

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

Abstract: 本发明涉及一种基于伸缩卷积神经网络的引导区域密集人群计数方法。本发明首先进行人群计数数据集等级划分；其次进行引导区域选取；然后调整引导区域尺度一致；最后通过伸缩卷积神经网络得到最终的人群数目预测。本发明有效的提取了人群计数数据集的密集人群区域，提高了图片的抗干扰能力，且对网络模型深度进行了加强，有效的解决了尺度不均匀、遮挡严重等场景，加入了自适应分块损失函数与感知损失、欧式损失融合来优化模型，提高了密度图的分辨率质量，提升密集人群计数的准确性。