典型文献
基于CBAM-Res2Net的人群计数算法
文献摘要：
针对静态人群图像中背景干扰和尺度变化等问题,采用多尺度特征提取模块(Res2Net)以更细的粒度提取多尺度特征,提高对不同尺寸人头的计数性能;引入卷积注意力模块(CBAM),分别在通道域和空间域上提高人群区域的权重,有效改善了高密度和复杂的人群场景下背景干扰等问题.在此基础上,将CBAM模块集成到Res2Net模块中,形成了新的多尺度特征提取模块CBAM-Res2Net.在后端网络中设计了一个扩张模块以提取更深层的特征并进行特征融合回归,从而生成高质量的密度图.并且分别在ShanghaiTech Part A、ShanghaiTech Part B和UCF_CC_50数据集上进行了算法对比实验,本文模型在上述数据集的平均绝对误差和均方根误差分别为61.4、7.3、255.6和98.5、10.8、310.2,综合性能均优于其他算法,验证了模型的准确性和鲁棒性.
文献关键词：
人群计数;多尺度特征提取模块;卷积注意力模块;CBAM-Res2Net;密度图
中图分类号：
作者姓名：
陈江川;吴云韬;孔权
作者机构：
武汉工程大学计算机科学与工程学院,湖北 武汉 430205;智能机器人湖北省重点实验室(武汉工程大学),湖北 武汉 430205;武汉工程大学艺术设计学院,湖北 武汉 430205
文献出处：
引用格式：
[1]陈江川;吴云韬;孔权-.基于CBAM-Res2Net的人群计数算法)[J].武汉工程大学学报,2022(06):664-669
A类：
B类：
CBAM,Res2Net,人群计数,数算,背景干扰,尺度变化,多尺度特征提取模块,不同尺寸,人头,卷积注意力模块,通道域,空间域,模块集成,后端网,端网络,中设计,特征融合,密度图,ShanghaiTech,Part,UCF,CC,算法对比,平均绝对误差
AB值：
0.306747
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
