基于Transformer和语义增强的人群计数算法
Cyber Security and Data Governance（2023）
摘要
针对人群图像中的尺度变化问题,提出了基于Transformer和语义增强的人群计数算法.为了能有效应对尺度变化问题,首先引入Transformer作为主干网对全局上下文进行建模来获得全局感受野.然后由上至下依次融合主干网相邻层次的特征图,在融合过程中强化多个层次特征图的语义信息.接着对多层次特征图进行动态特征选择,选择出适合密度图生成的特征.最后,通过注意力图来调整密度图抵抗背景干扰,以此来生成高质量的人群密度估计图.在ShanghaiTech、UCF-QNRF和JHU-CROWD++三个数据集上进行了大量的实验来对算法的有效性进行验证,实验结果表明所提算法能有效提高模型的准确性和鲁棒性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要