Xây dựng một kiến trúc mới cho mô hình đếm đám đông

Chỉ số đề mục

50

Lĩnh vực nghiên cứu

1020109 - Khoa học dữ liệu (cấu trúc dữ liệu, thao tác với dữ liệu, dữ liệu lớn); khai thác dữ liệu (Data mining)

Dạng tài liệu

Tác giả

Phạm Loan

Nhan đề

Xây dựng một kiến trúc mới cho mô hình đếm đám đông

Nhan đề tiếng anh

A Novel Architecture for Crowd-Counting Models

Nguồn trích

Tạp chí Khoa học và Công nghệ Trường Đại học Công nghệ Đông Á

Năm xuất bản

2026

Số

1

Trang

64-78

ISSN

2815-5807

Từ khóa

Đếm đám đông, Mạng nơ-ron tích chập đa lớp, Xử lý hình ảnh, Học sâu

Từ khóa tiếng anh

Crowd counting, Convolutional neural networks, Image processing, Deep learning

Tóm tắt

Đếm đám đông là nhiệm vụ đếm số người trong một hình ảnh. Mỗi hình ảnh huấn luyện chứa nhiều người được đánh dấu bằng một dấu chấm. Các phương pháp đếm đám đông hiện có phải làm mịn mỗi điểm rơi được chú thích bằng hàm Gauss hoặc ước tính khả năng xảy ra của mỗi pixel cho điểm được chú thích. Trong bài báo này, chúng tôi đề xuất một kiến trúc đếm đám đông mới có thể xử lý biến dạng phối cảnh bằng cách sử dụng thông minh nhiều đặc trưng được tạo ra trong quá trình mã hóa. Không giống như các phương pháp trước đây, phương pháp của chúng tôi tránh trích xuất các đặc trưng đa tỷ lệ bổ sung, giúp giảm đáng kể tổng khối lượng tính toán. Để đạt được mục đích này, chúng tôi cũng đã cải tiến cơ chế hợp nhất đa tỷ lệ hiện có và đưa ra một khối giảm kênh mới. Các thí nghiệm trên cơ sở dữ liệu ShanghaiTech đã chứng minh rằng phương pháp của chúng tôi có thể vượt trội hơn các phương pháp tiên tiến có độ phức tạp tính toán tương tự

Tóm tắt tiếng anh

Crowd counting is the task of estimating the number of people in an image. Each training image contains multiple individuals annotated with point-level labels. Existing crowd counting methods typically smooth each annotated point using a Gaussian kernel or estimate the probability of each pixel corresponding to an annotated point. In this paper, we propose a novel crowd counting architecture capable of handling perspective distortion by effectively utilizing multiple features generated during the encoding process. Unlike previous approaches, our method avoids extracting additional multi-scale features, thereby significantly reducing the overall computational cost. To achieve this goal, we further improve the existing multi-scale fusion mechanism and introduce a new channel reduction block. Experimental results on the ShanghaiTech dataset demonstrate that our method outperforms state-of-the-art approaches with similar computational complexity.

Kí hiệu kho

TTKHCNQG, CVv 542

File toàn văn

Xem toàn văn

Tài liệu tham khảo

[1] Phạm Loan (2026), Xây dựng một kiến trúc mới cho mô hình đếm đám đông,Tạp chí Khoa học và Công nghệ Trường Đại học Công nghệ Đông Á