文献

J-GLOBAL ID：202202275661697266   整理番号：22A1093706

LigMSANet:高密度群衆計数のための軽量マルチスケール適応畳込みニューラルネットワーク【JST・京大機械翻訳】

LigMSANet: Lightweight multi-scale adaptive convolutional neural network for dense crowd counting

著者 (5件)： Jiang Guoquan (School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo 454000, PR China) ,  Wu Rui (School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo 454000, PR China) ,  Huo Zhanqiang (School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo 454000, PR China) ,  Zhao Cuijun (Institute of Resources and Environment, Henan Polytechnic University, Jiaozuo 454000, PR China) ,  Luo Junwei (School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo 454000, PR China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 197  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： スケール変動と実時間計数は,高度に混雑したシーンにおける群衆計数のための挑戦的な問題である。これらの問題を改善するために,軽量マルチスケール適応ネットワーク(LigMSANet)を提案した。この方法には2つの強い点がある。最初に,スケール限界を壊し,異なる受容野サイズを有するニューロンの割合を,新しいマルチスケール適応モジュール(MSAM)を通して入力画像に従って自然に調整した。第2に,モデル性能は,深さ方向分離可能畳込みによる標準畳込みと5つのボトルネックブロック(here,第4ボトルネックブロックのステップサイズ)を有する調整モバイルNetV2を置き換えることによって,パラメータの少しのコストで著しく改善された。提案した方法の有効性を実証するために,3つの主要な群衆計数データセット(Shanghai Tech,UCF_CC_50およびUCSD)に関する広範囲な実験を行い,著者らの方法は,はるかに少ないパラメータおよび実行時間で,最先端の方法に対して優れた性能を達成した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  ニューロン ,  *スケール ,  分離 ,  *ニューラルネットワーク ,  適応 ,  モデル ,  パラメータ ,  *指数 ,  有効性 ,  *規模 ,  携帯電話
準シソーラス用語： ステップサイズ ,  実行時間 ,  *マルチスケール ,  実時間 ,  受容野 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 群衆計数 ,  軽量畳込みニューラルネットワーク ,  スケール変動性 ,  特徴融合 ,  スケール適応

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 計数 ,  軽量 ,  マルチスケール ,  適応 ,  畳込みニューラルネットワーク