Removing background interference for crowd counting via de-background detail convolutional network

计算机科学 人工智能 卷积神经网络 人群 特征(语言学) 特征提取 模式识别(心理学) 回归 干扰(通信) 计算机视觉 频道(广播) 数学 统计 计算机网络 哲学 语言学 计算机安全
作者
Luyang Wang,Baoqun Yin,Xiao Tang,Yun Li
出处
期刊:Neurocomputing [Elsevier]
卷期号:332: 360-371 被引量:28
标识
DOI:10.1016/j.neucom.2018.12.047
摘要

Crowd counting is a challenging vision task which aims to accurately estimate the crowd count from a single image. To this end, we propose a novel architecture called De-background Detail Convolutional Network (DDCN) to learn a mapping from the input image to the corresponding crowd density map. DDCN focuses on removing the interference of background from crowds and reducing the mapping range from input to output. Such design optimizes the learning process to a large extent. The proposed DDCN is composed of three components: a decomposer, a feature extraction CNN and a regression CNN. Specifically, the decomposer produces a detail layer by subtracting the background interference from the crowd image. Feature extraction CNN works for extracting high level features and regression CNN is used to estimate the density map. In addition, a weighted Euclidean loss is designed to calculate the Euclidean distances of the crowd and the background separately with different loss weights, which further improves the counting performance. Extensive experiments were conducted on three crowd counting datasets to validate the performance of DCNN. And experimental results demonstrate that DDCN achieves performance improvements compared with the state-of-the-art.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
iW完成签到 ,获得积分10
刚刚
醉熏的似狮完成签到,获得积分20
刚刚
坤坤完成签到,获得积分10
1秒前
1秒前
天天快乐应助避橙采纳,获得10
1秒前
2秒前
毛豆应助xml采纳,获得30
2秒前
王孟凡发布了新的文献求助10
2秒前
duoduozs完成签到,获得积分10
3秒前
积极傥关注了科研通微信公众号
4秒前
郝宝真发布了新的文献求助10
6秒前
边港洋发布了新的文献求助10
8秒前
10秒前
10秒前
香蕉觅云应助唠叨的悟空采纳,获得10
12秒前
hh完成签到,获得积分10
12秒前
温柔的访梦完成签到 ,获得积分10
14秒前
懒羊羊完成签到 ,获得积分10
14秒前
Heidi发布了新的文献求助10
15秒前
15秒前
16秒前
玄音完成签到,获得积分10
17秒前
cui完成签到,获得积分10
18秒前
温倩男发布了新的文献求助20
19秒前
霸气雪珍发布了新的文献求助10
21秒前
唠叨的悟空完成签到,获得积分10
23秒前
24秒前
28秒前
科研通AI2S应助负责的莫茗采纳,获得10
28秒前
tyanna发布了新的文献求助10
32秒前
32秒前
阳光海云应助利好采纳,获得10
35秒前
linn发布了新的文献求助10
36秒前
Ayla雁翎完成签到 ,获得积分10
38秒前
自由的银耳汤完成签到 ,获得积分10
38秒前
贪玩的芸完成签到,获得积分10
41秒前
41秒前
Heidi完成签到,获得积分10
43秒前
负责的莫茗完成签到,获得积分10
43秒前
45秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3162987
求助须知:如何正确求助?哪些是违规求助? 2813990
关于积分的说明 7902734
捐赠科研通 2473613
什么是DOI,文献DOI怎么找? 1316952
科研通“疑难数据库(出版商)”最低求助积分说明 631560
版权声明 602187