[发明专利]一种基于生成式对抗网络模型的人数估计方法有效
申请号: | 201811415565.0 | 申请日: | 2018-11-26 |
公开(公告)号: | CN109522857B | 公开(公告)日: | 2021-04-23 |
发明(设计)人: | 元辉;贺黎恒 | 申请(专利权)人: | 山东大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 济南金迪知识产权代理有限公司 37219 | 代理人: | 杨树云 |
地址: | 250199 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于生成式对抗网络模型的人数估计方法,涉及深度学习中的特征自动提取技术和多元回归模型,充分利用了生成对抗式网络模型(GANs,Generative Adversarial Nets)特征表示能力,并且把指示局部人群密度的密度图充当第二监督信号,把图像中人的数量充当第一监督信号,用反向传播算法训练网络,然后用得到的网络参数初始化网络,就可以预测未知图像中人的数量,该方法不断降低了预测的误差,而且减少了训练阶段的时间消耗。 | ||
搜索关键词: | 一种 基于 生成 对抗 网络 模型 人数 估计 方法 | ||
【主权项】:
1.一种基于生成式对抗网络模型的人数估计方法,其特征在于,所述生成式对抗网络模型包括三个子网络,包括生成器网络
判别网络
回归网络
生成器网络
包括四个连续的卷积+批归一化+最大池化和一个卷积+批归一化;判别网络
包括四个连续的上采样+卷积组成,在判别网络
的输出得到密度图的估计值;回归网络
是一个全连接网络;回归网络
有四个不同的输入,包括:生成器网络
经过第二个卷积+批归一化+最大池化之后的输出,生成器网络
经过第三个卷积+批归一化+最大池化之后的输出,生成器网络
经过第四个卷积+批归一化+最大池化之后的输出,生成器网络
经过最后一个卷积+批归一化之后的输出;回归网络
的四个不同的输入分别经过不同的SE‑Net之后得到四个被重赋权重的输入,将这四个被重赋权重的输入输入到一个三层的全连接网络,得到人数的预测值;包括步骤如下:A、训练过程(1)获取多尺度数据,多尺度数据是指多尺度数据训练集(I,M,C),每个样本用(Ii,Mi,Ci)表示,即Ii表示图像i,Mi表示图像i的密度图,Ci表示图像i中的人数;(2)用生成器网络
产生图像的特征图集合:(3)用判别网络
产生估计密度图:(4)用SE‑Net提取注意力特征:(5)用注意力特征给特征图重新赋予权重;(6)用回归网络
计算图像中人的数量;(7)网络训练;B、测试过程:利用步骤(7)所得的网络参数初始化网络,把测试图像作为网络的输入,网络直接输出图像中的人数。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东大学,未经山东大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201811415565.0/,转载请声明来源钻瓜专利网。