买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明请求保护一种基于语义细化的空间金字塔人群计数方法，属于计算机视觉技术领域。所述方法提出了一种新的编解码器模型，称为语义细化空间金字塔网络。所述方法主要包括以下步骤：首先，利用一系列的卷积神经层作为网络前端，在不增加额外计算成本的情况下获得更深层次的特征。此外，空间金字塔多尺度模块是拥有多个感受野的空间金字塔结构，用于捕捉多尺度特征。接着，语义增强模块用来细化网络捕获的多尺度特征，其利用深层语义信息来优化并且融合多尺度特征。最后，利用浅层纹理信息对特征图的细节进行补偿，以提高密度图的质量。本发明旨在建立一个尺度感知的计数网络来准确地估计人群中个体的数量。

主权项：1.一种基于语义细化的空间金字塔人群计数方法，其特征在于，包括以下步骤：步骤1：获取人群图像数据集，并分为训练集和测试集，将训练集进行裁剪得到输入图像，输入图像进入基于VGG-16的骨干网络提取基础特征；步骤2：设计空间金字塔多尺度模块SPMM，SPMM拥有多个具有不同的感受野的平行分支，这些拥有不同感受野的平行分支组成了空间金字塔结构，在步骤1的基础特征上捕获人群图像中的多尺度特征；步骤3：设计语义增强模块SEM，SEM将骨干网络提取出来的基础特征与SPMM提取出来的多尺度特征进行像素级别的相减操作，之后再经过降维和激活函数后，得到丢失细节信息的权重图，再把权重图与对应的多尺度特征进行相乘，得到增强特征；步骤4：利用步骤1骨干网络在浅层提取的纹理特征对步骤3得到的增强特征的细节信息进行补偿，用于丰富特征图的细节信息；步骤5：将步骤4得到的特征图输入由一系列空洞卷积组成的解码结构，从而生成最终的密度图，将密度图进行积分操作，就能得到网络预测的个体数；所述步骤1：获取人群图像数据集，并分为训练集和测试集，将训练集进行裁剪得到输入图像，输入图像输入卷积神经层提取特征，具体包含以下步骤：A1：从数据集中的训练集中将人群图像，裁剪为576×768尺寸大小的输入图像I；A2：将图像I输入到由VGG-16的前13层构成的骨干网络中提取特征，从第7层提取的特征F7，从第13层提取的特征称为基础特征，用Fv表示，则Fv可以定义为：Fv＝fvggI1其中fvgg骨干网络，Fv是通过骨干网络提取到的基础特征；所述步骤2设计SPMM，SPMM拥有多个具有不同的感受野的平行分支，这些拥有不同感受野的平行分支组成了空间金字塔结构，在步骤A2的基础特征上捕获人群图像中的多尺度特征，具体包含以下步骤：B1：根据步骤A2，将基础特征Fv输入到拥有四个平行分支的SPMM模块，具体地，SPMM第一个分支是卷积核大小3×3且空洞率为6的空洞卷积、第二个分支是卷积核大小3×3且空洞率为12的空洞卷积、第三个分支是卷积核大小3×3且空洞率为18的空洞卷积、第四个分支是输出特征图尺寸为1×1的全局自适应平均池化层；B2：拥有四个分支的SPMM能够利用不同分支拥有的不同尺寸的感受野来捕获多尺度特征，以Fsi表示，其中的s表示尺度的意思，i的取值范围是1、2、3、4，分别对应了SPMM四个不同分支，分别表示SPMM从第一个分支到第四分支提取到的特征。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于语义细化的空间金字塔人群计数方法