[发明专利]一种基于深度学习的人群计数模型及其实现方法有效
| 申请号： | 201910772643.0 | 申请日： | 2019-08-21 |
| 公开（公告）号： | CN110705344B | 公开（公告）日： | 2023-03-28 |
| 发明（设计）人： | 林倞;甄家杰;刘凌波;李冠彬 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06V20/52 | 分类号： | G06V20/52;G06V20/40;G06V10/774;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司： | 广州容大知识产权代理事务所(普通合伙) 44326 | 代理人： | 刘新年 |
| 地址： | 510275 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的人群计数模型及其实现方法，所述方法包括：步骤S1，获取人群图像，对获取的人群图像进行预处理并利用标注信息产生对应的人群密度图；步骤S2，将输入的人群图像缩放成多个尺度版本，通过多个子网络提取各个尺度的特征，并利用特征增强模块增强各个尺度的特征；步骤S3，将多个子网络产生的特征结合，生成估计的人群密度图；步骤S4，利用估计的人群密度图与真实的人群密度图计算损失，更新模型参数；步骤S5，利用不同人群图像多次迭代式地进行步骤S1‑S4的训练过程，直到符合停止的条件。 | ||
| 搜索关键词： | 一种 基于 深度 学习 人群 计数 模型 及其 实现 方法 | ||
【主权项】：
1.一种基于深度学习的人群计数模型，包括：/n预处理单元，用于获取人群图像，对获取的人群图像进行预处理后输出至特征提取单元，并利用标注信息产生对应的人群密度图；/n特征提取单元，用于将输入的人群图像缩放成多个尺度版本，通过多个子网络提取各个尺度的特征，并利用特征增强模块增强各个尺度的特征；/n估计人群密度图生成单元，用于将多个子网络产生的特征结合，生成估计的人群密度图；/n更新单元，用于根据所述估计人群密度图生成单元生成的估计的人群密度图与所述预处理单元生成的真实人群密度图计算损失，更新模型参数；/n迭代训练单元，用于多次迭代式地对不同人群图像进行所述预处理单元、特征提取单元、估计人群密度图生成单元以及更新单元的训练过程，直到满足设定的停止条件时停止训练。/n
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中山大学，未经中山大学许可，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/patent/201910772643.0/，转载请声明来源钻瓜专利网。
