基于注意力机制与编解码结构的人群计数网络

黄友文; 肖贵光; 豆恒

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

设计与制造 | 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
- 暂无标题
- 传感器与微系统 2023年第5期页码：78-82+86
- 作者机构：
  
  江西理工大学信息工程学院
- 作者简介：
- 基金信息：
  
  江西省教育厅科技资助项目（GJJ180443）
- DOI：10.13873/J.1000-9787(2023)05-0078-05
  中图分类号： TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
黄友文, 肖贵光, 豆恒. 基于注意力机制与编解码结构的人群计数网络[J]. 传感器与微系统, 2023,(5):78-82+86.
黄友文, 肖贵光, 豆恒. 基于注意力机制与编解码结构的人群计数网络[J]. 传感器与微系统, 2023,(5):78-82+86. DOI： 10.13873/J.1000-9787(2023)05-0078-05.

DOI：

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)

浏览量

183

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

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