基于注意力机制与编解码结构的人群计数网络

doi:10.13873/J.1000-9787(2023)05-0078-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于注意力机制与编解码结构的人群计数网络

更新时间：2025-09-11

- 基于注意力机制与编解码结构的人群计数网络
- Issue 5, Pages: 78-82+86(2023)
- 作者机构：
  
  江西理工大学信息工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)05-0078-05
  CLC： TP391.41
- Published：2023
- 稿件说明：
移动端阅览
[J]. 2023, (5): 78-82+86.
DOI：

[J]. 2023, (5): 78-82+86. DOI： 10.13873/J.1000-9787(2023)05-0078-05.

摘要

针对人群计数任务中背景干扰和尺度变化影响计数精度的问题，提出一种基于注意力机制与编解码结构的人群计数网络CAENet。网络以编解码结构为骨干，基于特征金字塔设计多尺度融合(MF)模块，使编码器中具有不同尺度语义信息的特征进行融合。引入通道注意力机制，使用一条单独的解码通道设计注意力模块(AM)

将模块生成的注意力图反馈到解码器的各个阶段用于抑制背景干扰。网络通过逐级监督的方式完成训练，并将最后一层输出的密度图作为最终的预测结果。在多个公开数据集的测试结果表明：该网络在固定场景中的人群计数任务中具有较高的准确性，且鲁棒性强，泛化性能良好。

Abstract

关键词

Keywords

references

MSFFA: a multi-scale feature fusion and attention mechanism network for crowd counting[J]. Li, Zhaoxin;Lu, Shuhua;Dong, Yishan;Guo, Jingyuan.The Visual Computer,2022

JHU-CROWD++: Large-Scale Crowd Counting Dataset and A Benchmark Method.[J]. Sindagi Vishwanath;Yasarla Rajeev;Patel Vishal M M.IEEE transactions on pattern analysis and machine intelligence,2020

NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting and Localization.[J]. Wang Qi;Gao Junyu;Lin Wei;Li Xuelong.IEEE transactions on pattern analysis and machine intelligence,2020

基于改进CSRNet的人群计数算法[J]. 郭濠奇;杨杰;康庄.传感器与微系统,2022(06)

基于深度学习的目标检测算法综述[J]. 包晓敏;王思琪.传感器与微系统,2022(04)

Views

183

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于双重时空特征金字塔的人体行为识别

基于注意力和分组卷积的眼底图像多病变自动诊断

Related Author

李贵

袁家政

刘宏哲

徐成

蒋杰伟

郭刘飞

巩稼民

强薇

Related Institution

北京联合大学北京市信息服务工程重点实验室

北京开放大学科学技术学院

西安邮电大学电子工程学院

西安邮电大学通信与信息工程学院

宁波市眼科医院温州医科大学

⁰