注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于深度负相关学习的人群计数方法

  2. 监控视频中的人群自动计数有着重要的社会意义和市场应用前景。充分利用兴趣区域的人数统计信息可以为一些人群密集的商场、车站、广场等公共场合的安全预警提供有效的指导。还可以带来经济效益，例如，提高服务质量、分析顾客行为、广告投放和优化资源配置等。因此，该问题已成为计算机视觉和智能视频监控领域的重要研究内容。

  3. 所属分类：机器学习

    • 发布日期：2018-08-13
    • 文件大小：1048576
    • 提供者：sigai_csdn

  1. A_Survey_of_Recent_Advances_in_CNN-based_Single_Im.pdf

  2. 人群计数目标是计算一个密集场景下的人数，密度估计目标是将人群图像转换成密度图像，可以清晰地看出人群的分布。这两个问题已经被结合在一起。 传统方法 基于检测的方法 基于回归的方法 基于密度估计的方法 基于CNN的方法 对网络特性的分类： 基础CNN 规模感知模型 上下文感知模型 多任务模型 对输入数据的分类： 基于块的方法 基于完整图像的方法 具体方法 Deep people counting in extremely dense crowds 基础CNN，基于块 端到端的深度CNN回归模型，使

  3. 所属分类：其它

    • 发布日期：2019-10-22
    • 文件大小：4194304
    • 提供者：weixin_43335019

  1. 密集人群计数方法总结.ppt

  2. 计算机视觉方向，最全的密集人群计数方法总结，各领域对比，初学者或老师授课ppt。适用于初学者，总结了目前人群计数方向各个领域，各种方法的应用。欢迎大家一起学习交流，

  3. 所属分类：机器学习

    • 发布日期：2020-02-18
    • 文件大小：1048576
    • 提供者：LC18842412427

  1. 基于序的空间金字塔池化网络的人群计数方法

  2. 基于序的空间金字塔池化网络的人群计数方法

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：724992
    • 提供者：weixin_38605538

  1. 基于序的空间金字塔池化网络的人群计数方法

  2. 视频中的人群计数在智能监控领域具有重要价值 . 由于摄像机透视效果、图像背景、人群密度分布不均匀和行人遮挡.等干扰因素的制约 , 基于底层特征的传统计数方法准确率较低 . 本文提出一种基于序的空间金字塔池化 (Rank-based spatial.pyramid pooling, RSPP) 网络的人群计数方法 . 该方法将原图像分成多个具有相同透视范围的子区域并在各个子区域分别取.不同尺度的子图像块 , 采用基于序的空间金字塔池化网络估计子图像块人数 , 然后相加所有子图像块人数得出原图像人数

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：549888
    • 提供者：weixin_38546308

  1. 很棒的人群本地化：很棒的人群本地化-源码

  2. 很棒的人群本地化 很棒的人群本地化 内容 杂项 相对任务 人群分析 密集/小型/微小物体检测 挑战 NWPU人群本地化： 第一次微小物体检测挑战： 指标 RAZNet中的mAP， （即COCO中的关键点评估：固定的sigma） F1-m，精度，召回率（比例感知sigma） MLE（距离度量） 数据集 NWPU人群（点，框） JHU-CROWD（点，大小） FDST（点，框） 文件 Arxiv 利用卷积神经网络对高密度物体进行计数和定位[] [IIM]学习独立实例图以进行人群本地化[]

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：3072
    • 提供者：weixin_42099633

  1. 基于深度时空特征卷积—池化的视频人群计数方法

  2. 由于摄像机角度、背景、人群密度分布和遮挡的限制，传统的基于底层视觉特征的视频人群计数方法往往难以实现理想的效果。利用视频的时空特征和卷积—池化方法形成高层的视觉特征，采用局部特征聚合描述符进行量化和码本计算，实现了对视频人群信息的精准描述；该方法充分利用了视频的运动和外观信息，基于卷积神经网络和池化方法提升了对视频本征属性和特征的描述能力。实验结果表明，所提方法比传统的视频人群计数方法具有更高的精度和更好的顽健性。

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：1048576
    • 提供者：weixin_38684328

  1. 基于通道域注意力机制的人群密度估计算法研究

  2. 人群密度估计对于人流监控与人群安全具有重要意义。针对现有算法主要通过不同尺度感受野来学习特征，而无法高效利用多尺度特征的问题，文中设计了一个基于通道域注意力机制的特征融合模块。该模块可以在训练模型时学习特征融合的分布情况，以高效利用多尺度特征。此外，为解决人群数据集的样本有限问题，文中采用了多规模数据增广来训练模型。将新模型在Shanghaitech数据集上进行测试，并在陕西省某旅游景区人群计数数据集上进行验证。实验结果显示，基于通道域注意力机制的人群密度估计算法在MAE与MSE上均优于MCNN

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38746926