文献

J-GLOBAL ID：202102298804292748   整理番号：21A0739060

単列マルチスケール畳込みニューラルネットワークに基づく人口計数【JST・京大機械翻訳】

Crowd Counting Based on Single-column Multi-scale Convolutional Neural Network

著者 (4件)： Peng Xian (長沙理工大学計算机与通信工程学院 長沙 410000) ,  Peng Yuxu (長沙理工大学計算机与通信工程学院 長沙 410000) ,  Tang Qiang (長沙理工大学計算机与通信工程学院 長沙 410000) ,  Song Yanqi (長沙理工大学計算机与通信工程学院 長沙 410000)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 47  号： 4  ページ： 150-156  発行年： 2020年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 単枚の画像と監視ビデオにおける人々の計数問題は近年ますます多くの関心を集めている。スケールの変化や人々のオクルージョンなどの問題により、人口の計数は一つの挑戦的な任務であるが、深度畳込みニューラルネットワークは有効にこの問題を解決できることが証明された。本論文では,データ駆動深さ学習法を提案し,様々な場面を理解でき,正確な計数推定を行えるように,単一列多重スケール畳込みニューラルネットワークを提案した。このネットワークモデルは主に2次元特徴抽出の先端と中端とし、そして還元密度図の後端に構成する。その中で、スタックプールを用いて最大プール化層を代替し、追加パラメータを導入することなくモデルのスケール不変性を増加させた。部分VGG-16を,ネットワークモデルのフロントエンドに採用した。中端はFME(特徴集合モジュール)を採用し、異なる列間の独立を打破し、マルチスケール特徴情報をもっとよく抽出する。後端に3列5層の異なる拡張率の空洞コンボリューションを採用して、解像度が変わらないままで受容野を増し、より高い品質の人口密度マップを生成し、相対人数損失を導入し、スパース密度の人群の情況におけるモデルの性能を高める。モデルは2つの最も挑戦的な人口計数データセットで良い効果を得た。実験結果は,ShanghaiTechの2つのサブセットとUCF_CC_50が公開母集団の計数データセットにおいて,平均絶対誤差(MAE)と平均二乗誤差(MSE)が,それぞれ66.2と103.0,8.7と13.4,251であることを示した。0と329.5で、性能は従来の人口計数方法より優れている。他のモデルと比較して,このモデルは,より高い精度とより良いロバスト性を有し,スパースな画像に対してより良い計数効果を有した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  学習 ,  分解能 ,  特徴抽出 ,  人口密度 ,  計数法 ,  スケール不変性 ,  録画装置 ,  二次元 ,  母集団 ,  ロバスト性 ,  オクルージョン
準シソーラス用語： 平均二乗誤差 ,  *マルチスケール ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： マルチスケール ,  畳込みニューラルネットワーク ,  人口 ,  計数