抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
群衆計数は,厳しいオクルージョン,視点歪およびターゲットシーンにおけるスケール変動のようないくつかの問題の存在により,挑戦的なビジョンタスクのままである。正確でロバストな群衆計数推定器を設計する方法は,過去数十年に集中的な研究関心を引き付けてきた。豊富な特徴表現を学習することは群衆計算にとって重要であることはよく知られている。しかしながら,既存のニューラルネットワークベースの方法は,最後の畳込み層から抽出されたCNN特徴のみを採用し,CNN特徴に含まれる有用な階層的情報を見過ごす。この問題を扱うために,著者らは,完全畳込みネットワークに基づくCNNアーキテクチャを提案する。それは,意味のある畳込み特徴のいくつかを結合することにより,エンドツーエンド密度マップ推定システムを構築するために使用される。このような組合せは,複雑なシーンにおけるマルチスケールとマルチレベル情報の両方を効果的に捉えるために利用される。ShanhaiTechパートA,ShanhaiTechパートBおよびUCF CC50を含む多くの既存の群衆計数に関する広範な実験は,著者らのアプローチの有効性および信頼性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】