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。
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】