检索结果-维普期刊中文期刊服务平台

结合密度图回归与检测的密集计数研究: 1; 作者高洁赵心馨 +5 位作者于健徐天一潘丽杨珺喻梅李雪威《计算机科学与探索》 CSCD 北大核心 2024年第1期127-137,共11页; 针对基于检测以及基于密度图两种主流的密集计数方法中,基于检测的方法召回率较低、基于密度图的方法缺失目标物体位置信息的问题,将检测任务与回归任务相结合后提出一种基于密度图回归的检测计数方法,可以实现对密集场景中目标物体的... 展开更多; 关键词密集计数目标检测深度学习密度图回归特征金字塔; 在线阅读下载PDF 职称材料

基于M_SFANet算法的羊群密集计数系统设计被引量：1: 2; 作者赵建敏李雪冬叶润发《现代电子技术》 2022年第12期100-104,共5页; 为了更好地开展过度放牧监测和草原生态评估工作,文中针对当前羊群计数系统存在的弊端,设计一种羊群密集型计数应用系统。该系统包括羊群密集计数算法和应用系统设计两部分。羊群密集计数算法部分借鉴人群密集计数模型M_SFANet,在自建... 展开更多; 关键词羊群计数密集计数系统 M_SFANet模型系统设计预测密度图 Web服务器数据传输; 在线阅读下载PDF 职称材料

小样本相似性匹配特征增强的密集目标计数网络: 3; 作者谢斌红高婉银 +2 位作者陆望东张英俊张睿《计算机应用》北大核心 2025年第2期403-410,共8页; 为了解决训练数据有限且类别多的问题,引入小样本学习方法。针对现有密集目标计数方法中存在的密集物体边界不清晰、空间不一致性和模型泛化能力弱等问题,提出一种小样本相似性匹配特征增强密集目标计数网络(SMFENet)。首先,通过特征提... 展开更多; 关键词密集目标计数小样本学习密度预测相似性匹配特征增强; 在线阅读下载PDF 职称材料

基于多尺度注意力网络的密集人群计数: 4; 作者文帅蒋勇 +2 位作者杨丹马金刚杨闻宇《计算机应用与软件》北大核心 2025年第1期130-136,157,共8页; 针对拥挤场景下的尺度变化导致人群计数任务中精度较低的问题,提出一种基于多尺度注意力网络(MANet)的密集人群计数模型。通过构建多列模型以捕获多尺度特征,促进尺度信息融合;使用双注意力模块获取上下文依赖关系,增强多尺度特征图的信... 展开更多; 关键词密集人群计数多尺度卷积神经网络注意力机制密集连接损失函数; 在线阅读下载PDF 职称材料

基于多尺度多列卷积神经网络的密集人群计数模型被引量：9: 5; 作者陆金刚张莉《计算机应用》 CSCD 北大核心 2019年第12期3445-3449,共5页; 针对尺度和视角变化导致的监控视频和图像中的人数估计性能差的问题,提出了一种基于多尺度多列卷积神经网络(MsMCNN)的密集人群计数模型。在使用MsMCNN进行特征提取之前,使用高斯滤波器对数据集进行处理得到图像的真实密度图,并且对数... 展开更多; 关键词密集人群计数密度图卷积神经网络多尺度尺度和视角变化; 在线阅读下载PDF 职称材料

基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法: 6; 作者赵佳彬徐慧英 +3 位作者朱蓉陈滨王晓琳朱信忠《计算机工程与科学》 CSCD 北大核心 2024年第12期2205-2214,共10页; 针对复杂场景中的密集人群尺度变化、分布不均匀、背景遮挡等问题,提出一种基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法。以视觉几何组网络VGG-16的前13层作为网络前端部分,引入空洞空间卷积池化金字塔(ASPP)和基于轻量级金字... 展开更多; 关键词密集人群计数多尺度融合背景抑制密度图; 在线阅读下载PDF 职称材料

基于多尺度空间注意力特征融合的人群计数网络被引量：9: 7; 作者杜培德严华《计算机应用》 CSCD 北大核心 2021年第2期537-543,共7页; 针对严重的尺度变化和遮挡导致在不同密集场景人群计数任务中性能差的问题,在密集场景识别网络(CSRNet)的基础上通过增加多尺度特征融合结构并引入空间注意力机制,提出了一种多尺度空间注意力特征融合网络(MAFNet)。在MAFNet进行特征提... 展开更多; 关键词密集人群计数卷积神经网络特征融合注意力机制多尺度; 在线阅读下载PDF 职称材料

题名结合密度图回归与检测的密集计数研究: 1; 作者高洁赵心馨于健徐天一潘丽杨珺喻梅李雪威; 机构天津大学智能与计算学部天津大学天津市认知计算与应用重点实验室天津大学天津市先进网络技术与应用重点实验室天津大学未来技术学院; 出处《计算机科学与探索》 CSCD 北大核心 2024年第1期127-137,共11页; 基金天津市企业科技特派员项目(20YDTPJC01570)。; 文摘针对基于检测以及基于密度图两种主流的密集计数方法中,基于检测的方法召回率较低、基于密度图的方法缺失目标物体位置信息的问题,将检测任务与回归任务相结合后提出一种基于密度图回归的检测计数方法,可以实现对密集场景中目标物体的计数以及定位,对两种方法进行优势互补,在提高召回率的同时,实现标定所有目标物体的位置信息。为提取出更加丰富的特征信息以面对复杂的数据场景,网络提出特征金字塔优化模块,该模块纵向融合底层高分辨特征与顶层抽象语义特征,横向融合同尺寸的特征,丰富目标物体的语义表达;考虑到密集计数场景中目标物体所占像素比例较低的问题,提出一种针对小目标的注意力机制,通过对输入图像构建掩膜以增强网络对目标物体的注意力,从而提高网络的检测敏感性。实验结果表明,所提出方法在保持准确率基本不变的情况下,大幅度提高了召回率,同时可准确标定目标物体位置,有效提供输入目标图像的计数以及定位信息,在工业以及生态等各种领域具有广泛的应用前景。; 关键词密集计数目标检测深度学习密度图回归特征金字塔; Keywords intensive count target detection deep learning density map regression feature pyramid; 分类号 TP317.4 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于M_SFANet算法的羊群密集计数系统设计被引量：1: 2; 作者赵建敏李雪冬叶润发; 机构内蒙古科技大学信息工程学院; 出处《现代电子技术》 2022年第12期100-104,共5页; 基金内蒙古自治区科技重大专项(2019ZD025) 内蒙古自然科学基金项目(2019MS06021) +1 种基金 “Intel”协同人工智能创新创业平台(YF2020014)。; 文摘为了更好地开展过度放牧监测和草原生态评估工作,文中针对当前羊群计数系统存在的弊端,设计一种羊群密集型计数应用系统。该系统包括羊群密集计数算法和应用系统设计两部分。羊群密集计数算法部分借鉴人群密集计数模型M_SFANet,在自建羊群密集计数数据集USC(UAV Sheep Counting)上进行计数,通过合理处理整个输入图像中目标对象的尺度变化,得到质量较好的预测密度图;再对预测密度图进行积分得到羊只数量。结果表明,M_SFANet模型得到的密度图平均绝对误差(MAE)、均方误差(MSE)和计数平均相对误差(MRE)分别为3.61%,5.44%和1.87%,计数精度较高。此外,基于M_SFANet计数模型,在Ubuntu系统上建立一个Web服务器,首先采用Bootstrap、HTML5将前端数据进行可视化;然后使用Flask框架进行后台开发服务,同时融合MySQL数据库技术完成密集计数应用系统的设计,从而实现数据传输到应用的完整功能,使得用户可在客户终端浏览计数系统网页,并通过此网页进行计数及查询历史记录。相对于其他羊群计数方法,文中所设计系统具有较高的计数精度,且方便快捷、节约成本,发展前景更加广阔。; 关键词羊群计数密集计数系统 M_SFANet模型系统设计预测密度图 Web服务器数据传输; Keywords sheep counting dense counting system M_SFANet model system design predictive density map Web server data transmission; 分类号 TN919-34 [电子电信—通信与信息系统] TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名小样本相似性匹配特征增强的密集目标计数网络: 3; 作者谢斌红高婉银陆望东张英俊张睿; 机构太原科技大学计算机科学与技术学院山西天河云计算有限公司; 出处《计算机应用》北大核心 2025年第2期403-410,共8页; 基金山西省基础研究计划项目(20210302123216) 吕梁市引进高层次科技人才重点研发项目(2022RC08)。; 文摘为了解决训练数据有限且类别多的问题,引入小样本学习方法。针对现有密集目标计数方法中存在的密集物体边界不清晰、空间不一致性和模型泛化能力弱等问题,提出一种小样本相似性匹配特征增强密集目标计数网络(SMFENet)。首先,通过特征提取模块提取图像特征,并使用ROI Align方法对齐样例特征;其次,设计相似性比较特征增强模块(SCFEM)计算样例特征和图像特征的相似度,得到相似度图,并将该图作为加权系数用样例特征自适应地增强图像特征,使最终得到的增强特征更关注与样例特征相似的区域;同时,采用内部特征增强、内部尺度增强以及信息合并等方法解决密集物体边界不清晰和空间不一致性问题;最后,利用密度预测模块生成密度图。此外,采用内容感知标注法生成高质量Ground-Truth密度图,以进一步提升模型的准确性。测试时,通过自适应损失调整网络使网络泛化到新类别上。在FSC-147数据集和CARPK数据集上的实验结果表明,与现有的小样本目标计数方法相比,所提模型的平均绝对误差(MAE)降低到13.82,均方根误差(RMSE)降低到45.91;与特定类别计数方法相比,所提模型的MAE降低到4.16,RMSE降低到5.91。以上充分证明SMFENet模型在提高计数的准确性和鲁棒性等方面能取得较好的效果,展示了该模型的实际应用价值。; 关键词密集目标计数小样本学习密度预测相似性匹配特征增强; Keywords dense object counting few-shot learning density prediction similarity matching feature enhancement; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多尺度注意力网络的密集人群计数: 4; 作者文帅蒋勇杨丹马金刚杨闻宇; 机构西南科技大学计算机科学与技术学院; 出处《计算机应用与软件》北大核心 2025年第1期130-136,157,共8页; 文摘针对拥挤场景下的尺度变化导致人群计数任务中精度较低的问题,提出一种基于多尺度注意力网络(MANet)的密集人群计数模型。通过构建多列模型以捕获多尺度特征,促进尺度信息融合;使用双注意力模块获取上下文依赖关系,增强多尺度特征图的信息;采用密集连接重用多尺度特征图,生成高质量的密度图,之后对密度图积分得到计数。此外,提出一种新的损失函数,直接使用点注释图进行训练,以减少由高斯滤波生成新的密度图而带来的额外的误差。在公开人群数据集ShanghaiTech Part A/B、UCF-CC-50、UCF-QNRF上的实验结果均达到了最优,表明该网络可以有效处理拥挤场景下的目标多尺度,并且生成高质量的密度图。; 关键词密集人群计数多尺度卷积神经网络注意力机制密集连接损失函数; Keywords Dense crowd counting Multi-scale Convolution neural network(CNN) Attention mechanism Dense connection Loss function; 分类号 TP3 [自动化与计算机技术—计算机科学与技术]; 在线阅读下载PDF 职称材料

题名基于多尺度多列卷积神经网络的密集人群计数模型被引量：9: 5; 作者陆金刚张莉; 机构苏州大学计算机科学与技术学院江苏省计算机信息处理技术重点实验室(苏州大学); 出处《计算机应用》 CSCD 北大核心 2019年第12期3445-3449,共5页; 基金江苏省“六大人才高峰”高层次人才项目(XYDXX-054)~~; 文摘针对尺度和视角变化导致的监控视频和图像中的人数估计性能差的问题,提出了一种基于多尺度多列卷积神经网络(MsMCNN)的密集人群计数模型。在使用MsMCNN进行特征提取之前,使用高斯滤波器对数据集进行处理得到图像的真实密度图,并且对数据集进行数据增强。MsMCNN以多列卷积神经网络的结构为主干,首先从具有多尺度的多个列中提取特征图;然后,用MsMCNN在同一列上连接具有相同分辨率的特征图,以生成图像的估计密度图;最后,对估计密度图进行积分来完成人群计数的任务。为了验证所提模型的有效性,在Shanghaitech数据集和UCFCC50数据集上进行了实验,与经典模型Crowdnet、多列卷积神经网络(MCNN)、级联多任务学习(CMTL)方法、尺度自适应卷积神经网络(SaCNN)相比,所提模型在Shanghaitech数据集PartA和UCFCC50数据集上平均绝对误差(MAE)分别至少减小了10.6和24.5,均方误差(MSE)分别至少减小了1.8和29.3;在Shanghaitech数据集PartB上也取得了较好的结果。MsMCNN更注重特征提取过程中的浅层特征的结合以及多尺度特征的结合,可以有效减少尺度和视角变化带来的精确度偏低的影响,提升人群计数的性能。; 关键词密集人群计数密度图卷积神经网络多尺度尺度和视角变化; Keywords crowd counting density map Convolutional Neural Network(CNN) multi-scale perspective and scale variation; 分类号 TP311 [自动化与计算机技术—计算机软件与理论] TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法: 6; 作者赵佳彬徐慧英朱蓉陈滨王晓琳朱信忠; 机构浙江师范大学计算机科学与技术学院(人工智能学院) 嘉兴市智慧交通重点实验室嘉兴南湖学院信息工程学院嘉兴市智能计算与数据科学重点实验室嘉兴大学信息科学与工程学院; 出处《计算机工程与科学》 CSCD 北大核心 2024年第12期2205-2214,共10页; 基金国家自然科学基金(62376252) 浙江省自然科学基金(LZ22F030003)。; 文摘针对复杂场景中的密集人群尺度变化、分布不均匀、背景遮挡等问题,提出一种基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法。以视觉几何组网络VGG-16的前13层作为网络前端部分,引入空洞空间卷积池化金字塔(ASPP)和基于轻量级金字塔切分注意力机制(PSA)构建多尺度特征融合模块,以解决密集人群尺度变化问题;在网络的中间部分加入空间注意力机制以及通道注意力机制对特征图进行校准,突出图像人头区域;网络后端部分使用可加大感受野且不丢失图像分辨率的空洞卷积生成背景分割注意力图,抑制图像中背景噪声,提升人群分布密度图的质量。在ShanghaiTech、UCF_CC_50及NWPU-Crowd 3个公开数据集上的实验结果表明,相较于MCNN、SwitchCNN、CSRNet等算法,提出的基于MFFBSNet的人群计数算法的计数准确度较高。; 关键词密集人群计数多尺度融合背景抑制密度图; Keywords dense crowd counting multi-scale fusion background suppression density map; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多尺度空间注意力特征融合的人群计数网络被引量：9: 7; 作者杜培德严华; 机构四川大学电子信息学院; 出处《计算机应用》 CSCD 北大核心 2021年第2期537-543,共7页; 基金国家自然科学基金资助项目(11872069)。; 文摘针对严重的尺度变化和遮挡导致在不同密集场景人群计数任务中性能差的问题,在密集场景识别网络(CSRNet)的基础上通过增加多尺度特征融合结构并引入空间注意力机制,提出了一种多尺度空间注意力特征融合网络(MAFNet)。在MAFNet进行特征提取之前,需要对添加了人头标记的场景图进行高斯滤波生成真实密度图;此外,MAFNet还通过联合使用两种基本损失函数的方法来约束密度估计图与真实密度图的一致性。接着,MAFNet以多尺度特征融合结构为主干,首先采用边提取多尺度特征边融合的策略得到多尺度融合特征图,然后使用空间注意力模块对特征图进行校准和再融合,之后通过扩张卷积生成密度估计图,最后对密度估计图逐像素积分得到场景中的人数。为了验证所提出模型的有效性,在四个人群计数数据集(ShanghaiTech、UCF_CC_50、UCF_QRNF和World-Expo’10)上进行了评估。其中ShanghaiTech数据集PartB的实验结果显示,MAFNet与CSRNet相比,平均绝对误差(MAE)降低了34.9%,均方误差(MSE)降低了29.4%。在多个数据集上的实验结果表明,采用注意力机制和多尺度特征融合策略使MAFNet可以提取更多细节信息,减少尺度变化和遮挡带来的影响。; 关键词密集人群计数卷积神经网络特征融合注意力机制多尺度; Keywords dense crowd counting Convolutional Neural Network(CNN) feature fusion attention mechanism multiscale; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	结合密度图回归与检测的密集计数研究	高洁赵心馨于健徐天一潘丽杨珺喻梅李雪威	《计算机科学与探索》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于M_SFANet算法的羊群密集计数系统设计	赵建敏李雪冬叶润发	《现代电子技术》	2022	1	在线阅读下载PDF 职称材料
3	小样本相似性匹配特征增强的密集目标计数网络	谢斌红高婉银陆望东张英俊张睿	《计算机应用》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于多尺度注意力网络的密集人群计数	文帅蒋勇杨丹马金刚杨闻宇	《计算机应用与软件》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于多尺度多列卷积神经网络的密集人群计数模型	陆金刚张莉	《计算机应用》 CSCD 北大核心	2019	9	在线阅读下载PDF 职称材料
6	基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法	赵佳彬徐慧英朱蓉陈滨王晓琳朱信忠	《计算机工程与科学》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
7	基于多尺度空间注意力特征融合的人群计数网络	杜培德严华	《计算机应用》 CSCD 北大核心	2021	9	在线阅读下载PDF 职称材料