计算机应用

作者：赵志强, 马培红, 黑新宏

单位：1.西安理工大学 计算机科学与工程学院，西安 710048；2.陕西省网络计算与安全技术重点实验室（西安理工大学），西安 710048

关键词：空洞卷积,上下文特征,双重注意力机制,密度图,人群计数

基金：国家自然科学基金资助项目(61976177);陕西省重点研发计划项目(2023-YBGY-222)

针对复杂场景下人群计数问题中的尺度变化、背景干扰和部分遮挡等问题，在空洞卷积操作的基础上，提出一种基于双重注意力机制的空洞上下文卷积神经网络（DA-DCCNN）。首先，将VGG16中的卷积层作为特征提取器，获取人群图像抽象、深层的特征图；其次，利用空洞卷积构造空洞上下文模块（DCM）对不同层获取的特征进行连接，并引入空间注意力模块（SAM）和通道注意力模块（CAM）获取上下文信息；最后，组合欧氏距离和交叉熵构造损失函数，对网络预测注意力图和真实注意力图之间的差异进行度量。在ShanghaiTech、UCF_CC_50和UCF-QNRF 3个公开数据集上的实验结果表明，DA-DCCNN在有效获取图像的多尺度特征的同时，增强了对图像中重要区域和通道的感知能力，平均绝对误差（MAE）取得了相对最优的结果。基于双重注意力机制的特征融合网络能有效感知图像中的空间结构和局部特征，从而使得生成的密度图能更准确地对人群区域进行预测和计数。

来源：2024年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第9期