典型文献
融合通道与空间注意力的编解码人群计数算法
文献摘要：
人群计数旨在准确地预测现实场景中人群的数量、分布和密度,然而现实场景普遍存在背景复杂、目标尺度多样和人群分布杂乱等问题,给人群计数任务带来极大的挑战.针对这些问题,提出了一种融合通道与空间注意力的编解码结构人群计数网络(CSANet).该模型采用多层次编解码网络结构提取多尺度语义特征,并充分融合空间上下文信息,以此来解决复杂场景中行人尺度变化和分布杂乱的问题;为了降低复杂背景对计数性能的影响,在特征融合的过程中引入了通道与空间注意力,提高人群区域的特征权重,凸显感兴趣区域,同时降低弱相关背景区域的特征权重,抑制背景噪声干扰,最终提升人群密度图质量.为了验证算法的有效性,在多个经典人群计数数据集上进行了实验,实验结果表明,与现有的人群计数算法相比,CSANet具有良好的多尺度特征提取能力和背景噪声抑制能力,这使得密集场景下计数算法的准确性和鲁棒性均有较大提升.
文献关键词：
人群计数;编解码网络;注意力;特征融合;深度学习
中图分类号：
作者姓名：
余鹰;潘诚;朱慧琳;钱进;汤洪
作者机构：
华东交通大学 软件学院,南昌 330013
文献出处：
引用格式：
[1]余鹰;潘诚;朱慧琳;钱进;汤洪-.融合通道与空间注意力的编解码人群计数算法)[J].计算机科学与探索,2022(11):2547-2556
A类：
CSANet
B类：
合通,空间注意力,人群计数,数算,现实场景,标尺,人群分布,杂乱,编解码结构,编解码网络,结构提取,语义特征,充分融合,空间上下文,上下文信息,复杂场景,中行,尺度变化,复杂背景,特征融合,特征权重,感兴趣区域,背景区域,背景噪声,噪声干扰,人群密度图,数数,多尺度特征提取,特征提取能力,噪声抑制,抑制能力
AB值：
0.333136
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。
