多任务多层级CNN在人群计数中的应用

摘要：

为了提升人群图像的计数精度,设计一种多层级多任务深度卷积网络.多层级神经网络由卷积和上采样的组合方式构成,该网络的优点在于结合浅层网络提取的细节信息和深层网络提取的高阶语义信息.在此基础上,使用多任务学习的方法提升网络性能,多任务学习分为两个部分:人群密度估计任务和人群密度等级分类任务.网络的高分辨率层与人群密度估计任务相连,网络的深层与人群密度等级分类任务相连.将两个任务的损失融合并构成新的损失函数.实验在人群计数公共数据集ShanghaiTech、WorldExpo'10和UCF_CC_50上进行,实验结果表明,该网络在人群计数上具有较好的准确率和鲁棒性.

关键词：人群计数、卷积神经网络、多任务学习、人群密度估计、人群密度等级分类

所属期刊栏目：55

分类号：TP391.41(计算技术、计算机技术)

资助基金：上海市自然科学基金16ZR1413300

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：182-187,208