[发明专利]基于深度神经网络的人群图像分析方法、装置以及设备

说明书

本发明涉及人工智能领域，公开了一种基于深度神经网络的人群图像分析方法，包括：获取待分析的人群图像，将人群图像输入至预设的编码器进行分析得到人群图像对应的特征图，对特征图执行预设的通道压缩操作得到特征图对应的通道压缩向量，将通道压缩向量输入至预设的解码器进行分析得到人群图像对应的分析结果。可见，本发明能够对人群图像的特征图进行通道压缩，从而能够减少特征图中的冗余信息，减少冗余信息对深度神经网络的推断的干扰，并减少冗余信息所占用的额外的计算资源，进而能够提高基于深度神经网络的人群图像分析技术的准确度和计算效率。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于深度神经网络的人群图像分析方法、装置、计算机设备以及存储介质。

背景技术

基于深度神经网络实现对人群图像中的人的数量的计数是一项深度神经网络技术的常见应用，其通过深度神经网络计数对人群图像进行分析，能够分析出人群图像中所包含的人的数量。随着对深度神经网络技术的研究的不断深入，人们通常会通过设计更复杂的深度神经网络来对现有的深度神经网络技术进行优化(通常更复杂的深度神经网络能够学习到更多特征信息，从而能够完成更复杂的任务)。如，目前的神经网络优化模块均是通过额外的计算，扩充额外的通道数来帮助神经网络学习到更加丰富的特征信息，然而在神经网络学习到更多特征信息的同时，也学习了很多的冗余信息，这些冗余信息会干扰神经网络的推断，还会占用额外的计算量资源，不利于提高神经网络的性能。可见，目前的基于深度神经网络的人群图像分析技术的准确度和计算效率仍有进一步提升的空间。

发明内容

本发明所要解决的技术问题在于，目前的基于深度神经网络的人群图像分析技术的准确度和计算效率较低。

为了解决上述技术问题，本发明第一方面公开了一种基于深度神经网络的人群图像分析方法，所述方法包括：

获取待分析的人群图像；

将所述人群图像输入至预设的编码器进行分析，得到所述人群图像对应的特征图；

对所述特征图执行预设的通道压缩操作，以得到所述特征图对应的通道压缩向量，其中，所述通道压缩操作用于实现压缩所述特征图的通道；

将所述通道压缩向量输入至预设的解码器进行分析，得到所述人群图像对应的分析结果，其中，所述分析结果用于表示所述人群图像中的人的数量。

本发明第二方面公开了一种基于深度神经网络的人群图像分析装置，所述装置包括：

获取模块，用于获取待分析的人群图像；

编码模块，用于将所述人群图像输入至预设的编码器进行分析，得到所述人群图像对应的特征图；

压缩模块，用于对所述特征图执行预设的通道压缩操作，以得到所述特征图对应的通道压缩向量，其中，所述通道压缩操作用于实现压缩所述特征图的通道；

分析模块，用于将所述通道压缩向量输入至预设的解码器进行分析，得到所述人群图像对应的分析结果，其中，所述分析结果用于表示所述人群图像中的人的数量。

本发明第三方面公开了一种计算机设备，所述计算机设备包括：

存储有可执行程序代码的存储器；

与所述存储器连接的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于深度神经网络的人群图像分析方法中的部分或全部步骤。

本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于深度神经网络的人群图像分析方法中的部分或全部步骤。