基于多尺度感知注意力网络的人群计数算法研究
发布时间：2021-09-15 12:02
随着社会经济的快速发展,人们的集体活动也不断地增多,因人群拥塞导致人群踩踏事件也时而发生。因此,能够对公共场所的人群做出准确的估计,以防止危险事件的发生就成为了智能视频监控系统研究领域的重要任务。随着计算机视觉技术研究的不断发展,人群计数的准确度也有了明显的提高,而在实际的应用中仍然存在许多挑战。所谓人群计数是通过提取人群的分布特征进行分析计算,通过深度学习图像与图像密度图之间的映射关系,进而达到人群密度估计的效果。人群计数研究主要存在两方面挑战,一是在实际的图像集中存在的多尺度特征不能被准确提取,导致计数的准确性不高;二是由于人群图像中存在有复杂背景,出现人群目标误判结果。针对以上两大问题,本文主要对人群计数算法进行研究,研究内容及创新点如下:1.针对图像中存在多尺度特征无法被完整提取的问题,传统的卷积神经网络首先提取图像的全局特征,进而对输入的图像集进行下采样的池化操作,这样会导致部分人群信息的丢失。为解决该问题,本文在多列网络结构中添加了转置卷积操作,保证了合并的特征大小相同,还能弥补之前池化导致的信息细节丢失的缺点。2.设计了由卷积分支和通道注意力单元组成的卷积神经网络结构,可...
【文章来源】：河北农业大学河北省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
图１－１人群计数面临的主要挑战??Ｆｉｇｕｒｅ?１－１?Ｍａｊｏｒ?ｃｈａｌｌｅｎｇｅｓ?ｆａｃｉｎｇ?ｐｏｐｕｌａｔｉｏｎ?ｃｏｕｎｔｉｎｇ??
?基于多尺度感知注意力网络的人群计数算法研宄???神经末梢??细胞核??图２－１人类神经元结构??Ｆｉｇｕｒｅ?２－１?Ｈｕｍａｎ?ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??神经元与神经元之间有２０纳米左右的缝隙，神经元之间主要是依靠突触进??行相互传递信息，当神经元正处于兴奋状态时，突触可以将此时的兴奋状态传递??给其它祌经元。此外，人的智力高低并不是完全由遗传决定，大部分由生活中的??学习经验而获得的，人类通过不断地学习训练使神经元之间的突触连接有着各式??各样地记忆印痕，即突触的可塑性原理。??２．?２．?２人工神经网络??神经网络又称人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ），人工神??经网络设计的数据计算模型与人脑的神经网络类似，是由一系列神经元节点组??成，不同节点与不同节点之间的连接有着不同权重，权重的大小表示一个节点与??另一个节点的影响程度强弱。每个神经元节点分别表示不同的特定函数表达式，??经过权重计算后传递给其它神经元节点，激励函数输出的兴奋或者抑制结果，总??之，不同的神经元的连接方式会组成不同的神经网络结构，虽然我们可以容易地??构造一个简单的人工神经网络，但如何能让网络具备学习的能力却是我们亟待解??决的问题，第一个具备学习能力的神经网络是赫布网络，是一种无监督的学习方??式，而机器学习思想主要以感知器的方式进行学习，唯一的不足之处是无法扩展??到多层神经网络，随着科技发展进步，后来反向传播算法的产生，成功解决了多??层人工神经网络的学习问题，直到现在反向传播算法仍然十分流行。??神经元作为网络结构中的基本组成单元，也是网络中最基本的计算单元。一??
?基于多尺度感知注意力网络的人群计数算法研宄???神经末梢??细胞核??图２－１人类神经元结构??Ｆｉｇｕｒｅ?２－１?Ｈｕｍａｎ?ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??神经元与神经元之间有２０纳米左右的缝隙，神经元之间主要是依靠突触进??行相互传递信息，当神经元正处于兴奋状态时，突触可以将此时的兴奋状态传递??给其它祌经元。此外，人的智力高低并不是完全由遗传决定，大部分由生活中的??学习经验而获得的，人类通过不断地学习训练使神经元之间的突触连接有着各式??各样地记忆印痕，即突触的可塑性原理。??２．?２．?２人工神经网络??神经网络又称人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ），人工神??经网络设计的数据计算模型与人脑的神经网络类似，是由一系列神经元节点组??成，不同节点与不同节点之间的连接有着不同权重，权重的大小表示一个节点与??另一个节点的影响程度强弱。每个神经元节点分别表示不同的特定函数表达式，??经过权重计算后传递给其它神经元节点，激励函数输出的兴奋或者抑制结果，总??之，不同的神经元的连接方式会组成不同的神经网络结构，虽然我们可以容易地??构造一个简单的人工神经网络，但如何能让网络具备学习的能力却是我们亟待解??决的问题，第一个具备学习能力的神经网络是赫布网络，是一种无监督的学习方??式，而机器学习思想主要以感知器的方式进行学习，唯一的不足之处是无法扩展??到多层神经网络，随着科技发展进步，后来反向传播算法的产生，成功解决了多??层人工神经网络的学习问题，直到现在反向传播算法仍然十分流行。??神经元作为网络结构中的基本组成单元，也是网络中最基本的计算单元。一??
本文编号：3396044
【文章来源】：河北农业大学河北省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
图１－１人群计数面临的主要挑战??Ｆｉｇｕｒｅ?１－１?Ｍａｊｏｒ?ｃｈａｌｌｅｎｇｅｓ?ｆａｃｉｎｇ?ｐｏｐｕｌａｔｉｏｎ?ｃｏｕｎｔｉｎｇ??
?基于多尺度感知注意力网络的人群计数算法研宄???神经末梢??细胞核??图２－１人类神经元结构??Ｆｉｇｕｒｅ?２－１?Ｈｕｍａｎ?ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??神经元与神经元之间有２０纳米左右的缝隙，神经元之间主要是依靠突触进??行相互传递信息，当神经元正处于兴奋状态时，突触可以将此时的兴奋状态传递??给其它祌经元。此外，人的智力高低并不是完全由遗传决定，大部分由生活中的??学习经验而获得的，人类通过不断地学习训练使神经元之间的突触连接有着各式??各样地记忆印痕，即突触的可塑性原理。??２．?２．?２人工神经网络??神经网络又称人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ），人工神??经网络设计的数据计算模型与人脑的神经网络类似，是由一系列神经元节点组??成，不同节点与不同节点之间的连接有着不同权重，权重的大小表示一个节点与??另一个节点的影响程度强弱。每个神经元节点分别表示不同的特定函数表达式，??经过权重计算后传递给其它神经元节点，激励函数输出的兴奋或者抑制结果，总??之，不同的神经元的连接方式会组成不同的神经网络结构，虽然我们可以容易地??构造一个简单的人工神经网络，但如何能让网络具备学习的能力却是我们亟待解??决的问题，第一个具备学习能力的神经网络是赫布网络，是一种无监督的学习方??式，而机器学习思想主要以感知器的方式进行学习，唯一的不足之处是无法扩展??到多层神经网络，随着科技发展进步，后来反向传播算法的产生，成功解决了多??层人工神经网络的学习问题，直到现在反向传播算法仍然十分流行。??神经元作为网络结构中的基本组成单元，也是网络中最基本的计算单元。一??
?基于多尺度感知注意力网络的人群计数算法研宄???神经末梢??细胞核??图２－１人类神经元结构??Ｆｉｇｕｒｅ?２－１?Ｈｕｍａｎ?ｎｅｕｒｏｎ?ｓｔｒｕｃｔｕｒｅ??神经元与神经元之间有２０纳米左右的缝隙，神经元之间主要是依靠突触进??行相互传递信息，当神经元正处于兴奋状态时，突触可以将此时的兴奋状态传递??给其它祌经元。此外，人的智力高低并不是完全由遗传决定，大部分由生活中的??学习经验而获得的，人类通过不断地学习训练使神经元之间的突触连接有着各式??各样地记忆印痕，即突触的可塑性原理。??２．?２．?２人工神经网络??神经网络又称人工神经网络（Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＡＮＮ），人工神??经网络设计的数据计算模型与人脑的神经网络类似，是由一系列神经元节点组??成，不同节点与不同节点之间的连接有着不同权重，权重的大小表示一个节点与??另一个节点的影响程度强弱。每个神经元节点分别表示不同的特定函数表达式，??经过权重计算后传递给其它神经元节点，激励函数输出的兴奋或者抑制结果，总??之，不同的神经元的连接方式会组成不同的神经网络结构，虽然我们可以容易地??构造一个简单的人工神经网络，但如何能让网络具备学习的能力却是我们亟待解??决的问题，第一个具备学习能力的神经网络是赫布网络，是一种无监督的学习方??式，而机器学习思想主要以感知器的方式进行学习，唯一的不足之处是无法扩展??到多层神经网络，随着科技发展进步，后来反向传播算法的产生，成功解决了多??层人工神经网络的学习问题，直到现在反向传播算法仍然十分流行。??神经元作为网络结构中的基本组成单元，也是网络中最基本的计算单元。一??
本文编号：3396044
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3396044.html
