申请/专利权人：中国海洋大学

申请日：2021-10-15

公开（公告）日：2024-04-26

公开（公告）号：CN113887473B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/82;G06V10/774;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.01.21#实质审查的生效;2022.01.04#公开

摘要：本发明属于计算机视觉技术领域，具体涉及一种利用卷积神经网络对人群数量进行估计的方法。一种基于改进的规范化可变形卷积人群计数方法，包括：构建规范化可变形卷积神经网络；利用所述的规范化可变形卷积神经网络对输入图像的特征图采样点位置进行约束，获得精准的人头特征。本发明提出了一种规范化可变形卷积NDConv，它在一定程度上限制了采样点的偏移量，能够获得采样点有效区域内的信息，并且没有增加额外的计算量，提高了神经网络预测人群计数的准确性。

主权项：1.一种基于改进的规范化可变形卷积人群计数方法，其特征在于，包括：构建规范化可变形卷积神经网络；利用所述的规范化可变形卷积神经网络对输入图像的特征图采样点位置进行约束，获得精准的人头特征；所述的规范化可变形卷积神经网络由改进的VGG-16网络组成；所述改进的VGG-16网络的池化层之前设有5层膨胀卷积及最后一层的规范化可变形卷积；所述的规范化可变形卷积采用以下损失函数约束训练损失： 其中，表示训练的总损失，为密度损失；为规范化可变形损失；λ为规则化系数，取值范围为0,1；所述的规范化可变形损失的计算步骤为：1对卷积获得的特征图的中心采样点E，水平采样点D、F，竖直采样点B、H，对角线采样点A、C、G、I的位置进行约束：对于中心采样点E，其损失公式为： 其中，ΔEx、ΔEy表示中心采样点E在水平方向和竖直方向上相对于偏移前采样点e的偏移量ΔE；对于水平采样点，其损失公式为： 其中，ΔDx、ΔDy表示水平采样点D在水平方向和竖直方向上相对于偏移前采样点d的偏移量ΔD；ΔFx、ΔFy表示水平采样点F在水平方向和竖直方向上相对于偏移前采样点f的偏移量ΔF；对于竖直采样点，其损失公式为： 其中，ΔBx、ΔBy表示水平采样点B在水平方向和竖直方向上相对于偏移前采样点b的偏移量ΔB；ΔHx、ΔHy表示水平采样点H在水平方向和竖直方向上相对于偏移前采样点h的偏移量ΔH；对于对角线采样点，其损失公式为： 其中，a,b,c,d,e,f,g,h,i分别表示偏移前采样点的坐标；2计算规范化可变形损失： 所述的密度损失公式为： 其中，Yi是真实人数的密度图，PIi；Φ是估计人数的密度图，N是批的大小。

全文数据：

权利要求：

百度查询： 中国海洋大学 一种基于改进的规范化可变形卷积人群计数方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD