クラウド注意畳込みニューラルネットワークによる群衆計数【JST・京大機械翻訳】

Chen Jiwei; Su Wen; Wang Zengfu

プレプリント

J-GLOBAL ID：202202208967520815 整理番号：22P0332635

クラウド注意畳込みニューラルネットワークによる群衆計数【JST・京大機械翻訳】

Crowd counting with crowd attention convolutional neural network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月15日プレプリントサーバーでの情報更新日： 2022年04月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

クロード計数は,シーンの複雑性とスケール変動のため,挑戦的な問題である。深層学習は群衆計数において大きな改善を達成したが,シーン複雑性はこれらの方法の判断に影響し,それらは通常,人々が誤って人々としていくつかのオブジェクトを尊重する。混雑計数結果において潜在的に巨大な誤差を引き起こす。この問題に取り組むために,著者らは,Crowd注意畳込みニューラルネットワーク(CAT-CNN)と呼ばれる新しいエンドツーエンドモデルを提案した。CAT-CNNは,自動的に信頼マップを符号化することにより,各ピクセル位置での人間の頭部の重要性を適応的に評価できる。信頼マップのガイダンスによって,推定密度マップにおける人間の頭部の位置は,最終密度マップを符号化するために,より多くの注意を得て,それは,効果的に莫大な誤判断を避けることができた。最終密度マップを統合することによって,群衆数を得ることができた。高度に洗練された密度マップを符号化するために,各画像の全群衆数を,設計した分類タスクで分類し,最初に,母集団レベルカテゴリーの事前を特徴マップに写像する。提案手法の効率を検証するために,3つの高度に挑戦的なデータセットについて広範な実験を行った。結果は,多くの最先端の方法に関して著者らの方法の優位性を確立した。【JST・京大機械翻訳】

, , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識

, , ,

前のページに戻る