车辆计数
文章平均质量分 55
cv_family_z
这个作者很懒,什么都没留下…
展开
-
流量分析“Understanding Traffic Density from Large-Scale Web Camera Data”
探索了使用优化的方法和深度学习的方法,进行交通密度分析。在不进行车辆检测和跟踪的情况下,将致密的图像特征映射成车辆密度。优化的方法基于Rank Constrained回归,深度学习的方法基于FCN。回归的方法学习图像不同块的不同权值,嵌入道路几何降低相机透视带来的问题。FCN法使用残差学习网络估计车辆密度和车辆数目,进行端到端的致密预测,允许任意图像尺寸输入,适应不同车辆尺度和视角。交通密度分析,目原创 2017-09-26 17:08:34 · 667 阅读 · 0 评论 -
车辆计数“FCN-rLSTM: Deep Spatio-Temporal Neural Networks for Vehicle Counting in City Cameras”
使用深度时空神经网络,在低质量视频中计算车数目。为了使用视频时间信息,结合FCN和时间递归神经网络(LSTM),即FCN-rLSTM估计车辆密度和车辆计数。FCN进行像素级预测,LSTM学习复杂的时间动态。使用残差连接,将车辆数目回归问题作为残差学习函数,加速网络训练过程。为保持特征分辨率,提出Hyper-Atrous集合FCN中artous卷积,综合不同层卷积信息。车辆计数是统计给定区域内车辆数目原创 2017-09-20 16:23:50 · 2478 阅读 · 1 评论