基于改进CSRNet的人群计数算法

郭濠奇; 杨杰; 康庄

doi:10.13873/J.1000-9787(2022)06-0150-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进CSRNet的人群计数算法

计算与测试 | 更新时间：2025-09-11

- 基于改进CSRNet的人群计数算法
- 基于改进CSRNet的人群计数算法
- 传感器与微系统 2022年第6期页码：150-152+156
- 作者机构：
  
  江西理工大学电气工程与自动化学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)06-0150-03
  中图分类号： TP183;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
郭濠奇, 杨杰, 康庄. 基于改进CSRNet的人群计数算法[J]. 传感器与微系统, 2022,(6):150-152+156.

基于改进CSRNet的人群计数算法[J]. 2022, (6): 150-152+156.
郭濠奇, 杨杰, 康庄. 基于改进CSRNet的人群计数算法[J]. 传感器与微系统, 2022,(6):150-152+156. DOI： 10.13873/J.1000-9787(2022)06-0150-03.

基于改进CSRNet的人群计数算法[J]. 2022, (6): 150-152+156. DOI： 10.13873/J.1000-9787(2022)06-0150-03.

摘要

为实现对密集人群快速和准确地计数，提出了一种基于改进CSRNet的人群计数算法。为加快训练速度，提高计数精度，针对CSRNet网络进行改进，将后端膨胀卷积网络替换为普通卷积结构，同时增加了密集连接结构。改进后的算法分别在ShanghaiTech A

B数据集和UCF＿CC＿50数据集上进行训练和测试，实验结果表明，相比其他人群计数算法，改进后的算法具有更高的计数精度。

Abstract

B数据集和UCF＿CC＿50数据集上进行训练和测试，实验结果表明，相比其他人群计数算法，改进后的算法具有更高的计数精度。

关键词

Keywords

references

编码-解码多尺度卷积神经网络人群计数方法 [J]. 孟月波,纪拓,刘光辉,徐胜军,李彤月. 西安交通大学学报 . 2020(05)

基于深度学习的图像人群计数方法浅析 [J]. 闫兴,李松珊,范孟硕,王鹏程,侯晶晶,何志伟. 信息技术与信息化 . 2018(11)

基于机器视觉跟踪的计数算法 [J]. 郭俊,郑堤,陈俊华,刘年福. 传感器与微系统 . 2018(02)

Crowd detection and counting using a static and dynamic platform: state of the art [J] . Huma Chaudhry,Mohd Shafry Mohd Rahim,Tanzila Saba,Amjad Rehman. Int. J. of Computational Vision and Robotics . 2019 (3)

A survey of recent advances in CNN-based single image crowd counting and density estimation [J] . Vishwanath A. Sindagi,Vishal M. Patel. Pattern Recognition Letters . 2018

Recent survey on crowd density estimation and counting for visual surveillance [J] . Sami Abdulla Mohsen Saleh,Shahrel Azmin Suandi,Haidi Ibrahim. Engineering Applications of Artificial Intelligen . 2015

浏览量

409

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据