-
题名基于细分多尺度和并行注意力的密集人群检测算法
- 1
-
-
作者
张欣
亢世宁
杨寓淇
王珺
马致远
-
机构
河北大学电子信息工程学院
河北大学河北省机器视觉技术创新中心
-
出处
《计算机工程与应用》
北大核心
2025年第23期161-172,共12页
-
基金
河北自然科学基金青年项目(F2022201013)。
-
文摘
人群检测在自动驾驶、交通管理和智能安防等领域有着广泛的应用。其具有检测人群密度大、行人遮挡多、尺度变化大和人群分布不规则的特点,是计算机视觉中具有挑战性的问题之一。为了进一步挖掘密集场景下人群丰富的多尺度信息,以及应对人群分布和形状不规则的挑战,在SparseR-CNN的基础上提出了一种基于细分多尺度和并行注意力的人群检测算法,命名为RMFR-CNN(refined multiscale feature R-CNN),其通过并行多个不同尺度的膨胀卷积构建感受野融合模块以提取细化的尺度信息。基于膨胀卷积注意力和可变形卷积注意力构建并行注意力模块,以从不同的尺度感知人群的分布与形状信息。为了缓解因数据误标注和行人尺度所导致的损失敏感,在原有损失函数的基础上加入了动态损失权重,使损失因行人尺度和预测准度而动态变化,提升模型的泛化能力。实验结果表明,所提算法在CrowdHuman、CityPersons等数据集中的AP为91.1%,MR−2为44.5%,Recall为96.7%。该算法能够在一定程度上提升密集场景中人群检测的性能。
-
关键词
人群检测
细分多尺度
注意力机制
sparser-cnn
动态损失权重
-
Keywords
crowd detection
refined multi-scale feature
attention mechanism
Sparse R-CNN
dynamic loss
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
