[发明专利]基于门控消息选择传递机制的人群计数方法及系统在审

专利信息
申请号: 202210968023.6 申请日: 2022-08-12
公开(公告)号: CN116486318A 公开(公告)日: 2023-07-25
发明(设计)人: 李鑫;冯昌利;冯斌;乔赛 申请(专利权)人: 泰山学院
主分类号: G06V20/52 分类号: G06V20/52;G06V10/80;G06V10/82;G06N3/0464;G06N3/048
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 闫圣娟
地址: 271000 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 门控 消息 选择 传递 机制 人群 计数 方法 系统
【权利要求书】:

1.基于门控消息选择传递机制的人群计数方法,其特征在于,包括如下步骤:

获取待测试的人群图像并进行预处理;

将预处理后的人群图像输入至训练好的用于提取特征图的人群计数网络,提取设定层数N的低分辨率特征图;

将设定层数N中的最后一层的低分辨率特征图通过门控信息选择模块,传递有用信息得到其对称特征图,再进行多次上采样操作,生成与人群计数网络设定层数对称的对称特征图;

通过空洞卷积将设定层数M的低分辨率特征图进行空洞卷积处理后,通过门控信息选择模块进行信息选择,与对应对称层的高分辨率特征图连接;

将连接后的特征图依次进行上采样解码,得到的解码后的特征图,将解码后的特征图映射为密度图,将密度图进行积分,得到对应人群图像中的人群总数。

2.如权利要求1所述的基于门控消息选择传递机制的人群计数方法,其特征在于:人群计数网络包括多个级联的卷积模块,用于依次提取各分辨率的特征。

3.如权利要求1所述的基于门控消息选择传递机制的人群计数方法,其特征在于:门控消息选择传递模块包括残差块和门控消息选择卷积层。

4.如权利要求1所述的基于门控消息选择传递机制的人群计数方法,其特征在于:门控消息选择传递模块将编码阶段的特征图,即设定级别M的低分辨率特征图依次进行恒等变换、激活操作以及卷积操作后输出更新后的特征图,将更新后的特征图与解码阶段对应相同分辨率大小的特征图进行特征融合。

5.如权利要求4所述的基于门控消息选择传递机制的人群计数方法,其特征在于:将更新后的特征图与解码阶段对应相同分辨率大小的特征图进行特征融合,其中,特征融合将两个对应层的特征分别通过ReLU激活函数和卷积后进行加权。

6.如权利要求1所述的基于门控消息选择传递机制的人群计数方法,其特征在于:利用门控消息选择传递模块使消息在跳转连接过程中进行自适应的传递,自适应传递的策略是在进行信息传递的过程中,判断当前编码阶段的特征是否对与之相连的解码层次的特征有用,判断方法具体为:

将设定层数M的特征作为跳转连接特征输入到残差块中;

将通过残差块处理的特征,采用门控函数来进一步校准信息;其中,采用sigmoid函数作为门控函数。

7.如权利要求1所述的基于门控消息选择传递机制的人群计数方法,其特征在于:人群计数网络的训练过程,如下:

获取人群图像的数据集,并对图像进行预处理,生成图像的真实密度图;

将预处理之后的人基于多层卷积神经网络的人群计数网络;

人群计数网络中,获得设定层数N的低分辨率特征图;

将设定层数N中的最后一层的低分辨率特征图通过门控消息选择传递模块进行信息选择,然后进行上采样操作,生成与人群计数网络前N层的对称特征图;

将部分层的低分辨率特征图和对应的对称特征图,通过门控消息选择传递模块进行连接;

将连接后的特征图依次进行上采样解码得到的解码后的特征图,将解码后的特征图映射为密度图,将密度图进行积分,得到对应人群图像中的人群总数;

将最后输出的高分辨率密度图与人工标注的真实密度图通过欧氏距离进行损失计算,根据损失调整人群计数网络,迭代训练至设定的次数,得到训练好的网络模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于泰山学院,未经泰山学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210968023.6/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top