《A survey of recent advances in CNN-based single image crowd counting and density estimation》 解读

最新推荐文章于 2020-07-07 22:22:00 发布
最新推荐文章于 2020-07-07 22:22:00 发布
阅读量1k 收藏 1
点赞数 2
分类专栏： 人群计数 文章标签： 人群计数 people count 人群密度
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/uestcbyl/article/details/82970670
版权
本文介绍了传统人群计数的三种方法：基于检测、回归和密度估计，然后重点探讨了基于CNN的新型方法，包括上下文感知、多任务架构和推理方法，并列举了相关论文的创新点。未来研究方向包括大数据集的利用、迁移学习以及结合上下文的密度估计等。
摘要由CSDN通过智能技术生成

10月08日-A survey of recent advances in CNN-based single image crowd counting and density estimatio 解读

人群密度估计传统的三种方法

  1. 基于检测的方法
  2. 基于回归的方法
  3. 基于密度估计的方法

基于检测的方法

  1. 最初的研究主要集中在检测风格框架，一个滑动窗口用于检测场景的人，用于计算人的数量，检测使用单片或者基于部件的检测进行，典型的行人检测是使用特征来训练分类器；
  2. 支持向量机，增量随机森林被获得使用，但是这些方法都只是在低密度人群上获得了成功；
  3. 基于部分的检测方法来解决这个问题：（1）对身体的特定部分增加分类器，如肩膀，头部等；（2）使用形状学习的方法，使用椭圆形的三维图形建模人类，并使用随机过程来估计前文前景mask的数量和形状参数

基于回归的方法

  1. 使用部件和形状的方法减轻了遮挡问题，但是密度极高的人群和高混乱背景下，这些方法并不很好使用；
  2. 使用回归方法，可以避免对学习检测器的依赖，回归主要分成两个部分：（1）低特征提取；（2）回归建模
  3. 特征提取：（1）前景特性、边缘特性、纹理和渐变特性都被用于编码低级信息；（2）使用背景的减法，从前景片段中提取前景特征；（3）全局特征：局部特征，如边缘和纹理/梯度特性，如局部二进制模式（LBP）、直方图定向梯度（占用）、灰度共生矩阵&#
最低0.47元/天 解锁文章
uestcbyl
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
论文笔记：A survey of recent advances in CNN-based single image crowd counting and density estimation
super_chicken的博客
12-22 1903
A survey of recent advances in CNN-based single image crowd counting and density estimation目标人群计数目标是计算一个密集场景下的人数，密度估计目标是将人群图像转换成密度图像，可以清晰地看出人群的分布。这两个问题已经被结合在一起。传统方法 基于检测的方法 基于回归的方法 基于密度估计的方法 基于CNN的方法对网
A_Survey_of_Recent_Advances_in_CNN-based_Single_Im.pdf
10-22
人群计数目标是计算一个密集场景下的人数，密度估计目标是将人群图像转换成密度图像，可以清晰地看出人群的分布。这两个问题已经被结合在一起。 传统方法 基于检测的方法 基于回归的方法 基于密度估计的方法 基于CNN的方法 对网络特性的分类： 基础CNN 规模感知模型 上下文感知模型 多任务模型 对输入数据的分类： 基于块的方法 基于完整图像的方法 具体方法 Deep people counting in extremely dense crowds 基础CNN，基于块 端到端的深度CNN回归模型，使用了AlexNet，将最后的全连接层的4096的神经元改成了一个单一神经元用于预测人数。 Fast crowd density estimation with convolutional neural networks 基础CNN，基于块 将图像分为密度从高到低的五类，使用了Multi-stage ConvNet。使用了两个串联的分类器来提高效果。
人群计数北航最新综述论文阅读：CNN-based Density Estimation and Crowd Counting: A Survey
Pikunikku的博客
07-07 1452
针对220项工作，讨论了现有主流方法（主要基于CNN）在各任务中有效的原因，对基本开放问题、挑战和未来方向的见解。 对模型设计、数据集收集以及一些推广到其他领域的重要问题进行了展望，包括领域适应或迁移学习，并探索了未来一些有前途的研究方向。 按网络结构，监督形式（有监督（常用）、半监督、若监督、无监督、自监督），学习范式（多任务（热点）/单任务），跨场景、跨域表现分类 基于单列网络的方法比基于多列网络的方法表现更好，即更深的网络比更广的网络要好。 最近的（2020年）Sota方法多采用了注意力机制，膨胀卷.
（CNN最新进展综述）Recent Advances in Convolutional Neural Networks
11-25
CNN广泛用于图像、语音信号处理。本文是对近年来CNN方法的综合论述，对CNN相关算法进行了深入总结与分析
人群计数--Single-Image Crowd Counting via Multi-Column Convolutional Neural Network
AI小作坊 的博客
09-05 4495
Single-Image Crowd Counting via Multi-Column Convolutional Neural Network CVPR2016 https://github.com/svishwa/crowdcount-mcnn https://github.com/leeyeehoo/Reduplication-of-Single-Image-Crowd-Countin
论文笔记—Recent Advances in Autoencoder-Based Representation Learning.pdf
06-01
在很少或没有监督的情况下学习有用的表示是人工智能的一个关键挑战。我们深入回顾了表示学习的最新进展，重点关注基于自编码器的模型。为了组织这些结果，我们使用了被认为对下游任务有用的元先验，比如特征的解缠和...
Recent advances in fluorescence-based in vivoflow cytometry
01-26
As a noninvasive and real-time diagnostic technology, the fluorescence-based IVFC allows long-term monitoring of circulating cells without changing their native biological environment. It has been ...
Recent Advances in Consensus of Multi-Agent Systems_ A Brief Survey
03-17
文章主要描述多智能体的综述，该综述针对现阶段自动飞行集群和无人机编队的现状进行了深入的讨论和分析，对未来多智能体编队飞行做出了展望。
一篇人群数量估计的总述
andeyeluguo的博客
06-01 794
论文名称：CNN-based Density Estimation and Crowd Counting: A Survey 代码地址：https://github.com/gaoguangshuai/survey-for-crowd-counting 准确地从一张图片中估计出物体的数量是一个挑战性而有意义的任务，当然也在很多场景中得到了应用，比如城市规划，公共安全，在多种多样的物体计数任务中，人群计数特别重要，因为他对社会安全和发展特殊的意义。幸运的是，人群计数的技术可以被泛...
「深度学习人群计数」2020综述论文（北航发布）.pdf
04-01
人群估计在实际应用中有着重要的意义，如人群分析和视频监控中，人群计数对于构建更高层次的认知能力至关重要。近来，北航的学者发布了关于基于CNN的人群计数综述论文，调研了220+工作，对人群计数模型进行了全面、系统的研究，值得关注。
基于图像的人数统计方法
snwang_miss的博客
08-09 1万+
基于图像的人数统计方法大致分为3类： 1、基于个体统计的方法。 2、基于统计特征 3、基于卷积神经网络的特征
论文笔记 A Large Contextual Dataset for Classification,Detection and Counting of Cars with Deep Learning
xiaoxiang_AQ 的博客
09-28 1509
ECCV 2016的文章，首先建立了一个从上到下照的车辆影像数据集（即鸟瞰视角），并提出ResCeption神经网络进行训练，进一步建立residual learning with Inception-style layers，进行车辆数目的计算。该方法为车辆数目的计算的一种新方式：通过定位和密度估计方法。
人群密度估计--CNN-based Cascaded Multi-task Learning of High-level Prior and Density Estimation for Crowd
AI小作坊 的博客
09-27 2852
CNN-based Cascaded Multi-task Learning of High-level Prior and Density Estimation for Crowd Counting International Conference on Advanced Video and Signal Based Surveillance (AVSS) 2017 Torch: http
人群计数：第一篇引入CNN的论文：Fast crowd density estimation with convolutional neural networks
目睹闰土刺猹的瓜的博客
08-11 888
** Goal: ** The existing methods are hard to satisfy the accuracy and speed requirment, we propose to estimate crowd density by an optimized convolutional neural network (ConvNet). ** Contribution: **...
人群计数：Single-Image Crowd Counting via Multi-Column Convolutional Neural Network(CVPR2016)
热门推荐
图像研究猿的专栏
07-22 5万+
本博文主要是CVPR2016的《Single-Image Crowd Counting via Multi-Column Convolutional Neural Network》这篇文章的阅读笔记，以及对人群计数领域做一个简要介绍。Abstract这篇论文开发了一种可以从一个单幅的图像中准确地估计任意人群密度和任意角度的人群数目。文章提出了一种简单有效的的多列卷积神经网络结构(MCNN)将图像映射
deep multimodal learning a survey on recent advances and trends
最新发布
08-11
深度多模态学习是一种研究方法，它将多个模态（例如语音、图像、视频等）的信息进行融合和学习。近年来，深度多模态学习取得了许多重要进展和趋势。 在多模态学习中，深度神经网络在特征提取和模态融合方面发挥了...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值