CN114694102B 一种基于多尺度空间引导感知聚合网络的人群计数方法 （杭州电子科技大学）

一种基于多尺度空间引导感知聚合网络的本发明公开了一种基于多尺度空间引导感特征提取网络捕获地多尺度特征输入到空间引法对自适应捕获的空间环境进行聚合多尺度信2所述多尺度特征提取网络以Inception-v3模型为基础，剔除Inception多尺度特征提取网络中包含的网络层依次是：五个卷积层、三个Inception-A、一个S3、将多尺度特征提取网络捕获地多尺度特征输入2.根据权利要求1所述的基于多尺度空间引导感知聚合网络的人群计数方法，其特征3.根据权利要求2所述的基于多尺度空间引导感知聚合网络的人群计数方法，其特征S3-1、空间上下文网络通过一维内核对的远4.根据权利要求3所述的基于多尺度空间引导感知聚合网络的人群计数方法，其特征和j分别代表行和列，通过上述操作对条状区域进行编h和yw输入到内核大小为3的一维卷积层中，用于整合当前位置及其相邻特"和ywc之间的联系，计算和不同位置特征之间的相关性，用M表示输出的相关性特征3S3-1-4、将上述S3-1-3获取的相关性特征图输入5.根据权利要求4所述的基于多尺度空间引导感知聚合网络的人群计数方法，其特征S3-2-2、引导感知网络中采用策略学习跨通道交S3-2-3、在通道级别中，采用通道标准化，实现通道类型的横向抑制，此处设定则通道标准化如公式如下所示：6.根据权利要求5所述的基于多尺度空间引导感知聚合网络的人群计数方法，其特征42c)7.根据权利要求6所述的基于多尺度空间引导感知聚合网络的人群计数方法，其特征8.根据权利要求7所述的基于多尺度空间引导感知聚合网络的人群计数方法，其特征S5-1、通过计算整体预测密度图与真实S5-3、通过欧氏距离损失函数和自适应区域损失9.根据权利要求8所述的基于多尺度空间引导感知聚合网络的人群计数方法，其特征5r＝ADd/AD1drdt密度图为(D")s,最终得到的自适应区域损失函数6合网络(MGANet)的人群计数方法以解决现有技术[0009]本发明根据现有技术的不足，提出一种基于多尺度空间引导感知聚合网络78的语义信息，首先使用全局平均池化和全局最大池化操作来对不同的空间信息进行聚合，则通道标准化如公式如下所示：2c)9t真实密度图为(D")s,最终得到的自适应区域损失函数如公式如下所示：适应性，从而提高了多尺度信息的捕获能力。MFEN网络利用Inception-v3，即多个合相比，本文提出的AFN网络利用融合注意权值自适应地分配空间上下文特征和引导感知基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对的含义是两个或两个以上。[0093]本发明提供了一种基于多尺度空间引导感知聚合网络的人群计数方法，如图1所数的情况下，做了以下修改:删除Inception-v3前两个最大池化层和全连接层，保留的语义信息，首先使用全局平均池化和全局最大池化操作来对不同的空间信息进行聚合，则通道标准化如公式如下所示：将f1和f2输入到一个包含ReLU和BN的3×3卷积层，分别输出f1c和f2c，再将f1c和f2c进行联2c)[0134]进一步的，真实密度图是由对真实图像中人群区域内人头中心位置进行坐标标t对该区域进行缩放重新对密集区域进行约束。由于密集人群通常比稀疏人群更难以计算，