[发明专利]一种基于动态感受野和自蒸馏的人群计数方法

权利要求书

1.一种基于动态感受野和自蒸馏的人群计数方法，其特征是，包括有以下步骤：

S1、构建人群计数网络，引入动态感受野模块及自蒸馏监督模块；

S2、对人群计数网络进行训练：

将图片输入至粗略网络中，训练粗略网络直至收敛；

将待预测图片输入至粗略网络中，得到此输入图片的粗略密度图，经线性转换得到膨胀系数图；

将膨胀系数图嵌入至精细网络的卷积层中，并将该图片输入至精细网络中对精细网络进行训练；

基于自蒸馏监督模块的两阶段训练框架对精细网络进行训练，自蒸馏监督模块的教师网络使用精确密度图作为监督目标进行训练，得到用于学生网络训练的软标签密度图；

对软标签密度图中的人数进行调整直至与真值中一致；

学生网络使用调整后的软标签密度图进行训练，直至精细网络收敛；

S3、对人群计数网络进行测试，将待预测图片输入至粗略网络，输出得到粗略密度图并转换后得到膨胀系数图，将膨胀系数图嵌入至精细网络的精确膨胀卷积层中，将该待预测图片输入至精细网络中进行预测并输出最终预测密度图；

S4、将得到的人群计数网络用于人群计数场景中人群数量预测计量。

2.根据权利要求1所述的基于动态感受野和自蒸馏的人群计数方法，其特征是，经粗略密度图得到膨胀系数图的线性转换具体为：

其中R是预设的膨胀系数上限，γ是一个正系数，x是粗略网络的输出，即粗略密度图；

通过线性转换，使不同位置的膨胀系数约束在[0,R]区间内。

3.根据权利要求1所述的基于动态感受野和自蒸馏的人群计数方法，其特征是：经线性转换得到的膨胀系数图嵌入至精细网络的最后三层卷积层中得到精细膨胀卷积层；

精确膨胀卷积层的输出特征图中第k个位置的数值由以下公式计算：

其中是第k个位置的膨胀系数，x_k是第k个位置的输入，w是卷积核的参数，D是单位偏移量的集合，即D＝{-1,0,1}；卷积核的连续值采样通过双线性插值实现。

4.根据权利要求1所述的基于动态感受野和自蒸馏的人群计数方法，其特征是，对软标签密度图中的人数调整具体为：

其中是教师网络预测的软标签密度图的第i个位置的预测密度值，而v_i是高斯标注密度图中的第i个位置的密度值。

5.根据权利要求1所述的基于动态感受野和自蒸馏的人群计数方法，其特征是：对粗略网络及精细网络的训练中，损失函数均为L1损失。