文档名：基于注意力机制的多任务目标计数系统设计
摘要：提出基于注意力机制的深层神经网络用于目标计数,其任务是为输入图像的目标进行精确数目统计.该网络模型同时引进多任务学习方法,多尺度融合得到密度特征图和注意力特征图进行目标计数.首先,使用交叉特征金字塔网络进行特征提取;其次,将提取的特征分别用于密度特征图及注意力特征图进行交叉融合;最后,通过多任务学习将两个输出特征图逐元素运算,得到精确的密度特征图.提出的网络模型在行人检测数据集(ShanghaiTech)与多类别的行为识别数据集(UCF_CC_50)上进行了训练与测试,实验结果表明,通过在各个分支引入注意力机制,可以有效提高整个模型预测结果的准确率.
Abstract：Thisarticleproposesadeepneuralnetworkbasedontheattentionmechanismforobjectcounting,whosetaskistoaccuratelycountthenumberoftargetsintheinputimage.Thenetworkmodelsimultaneouslyintroducesamulti-tasklearningapproach,fusingmulti-scalefeaturestoobtaindensityandattentionfeaturemapsforobjectcounting.Firstly,across-featurepyramidnetworkisusedforfeatureextraction.Then,theextractedfeaturesareusedfordensityandattentionfeaturemaps,whicharecross-fused.Finally,throughmulti-tasklearning,thetwooutputfeaturemapsareelement-wiseoperatedtoobtainanaccuratedensityfeaturemap.Thenetworkmodelofthispaperistrainedandtestedonpedestriandetectiondatasets(ShanghaiTech)andmulti-categoryactionrecognitiondatasets(UCF_CC_50).Theexperimentalresultsshowthatintroducingtheattentionmechanismineachbranchcaneffectivelyimprovetheaccuracyoftheentiremodel'spredictiveresults.
作者：李永慧Author：LIYonghui
作者单位：山西科技学院光机电工程学院,山西晋城048000
刊名：电视技术
Journal：VideoEngineering
年，卷(期)：2024, 48(7)
分类号：TP311.1
关键词：目标计数 注意力机制 多任务学习 交叉特征金字塔网络
Keywords：objectcounting attentionmechanism multi-tasklearning spatialpyramidpoolingfastcrossstagepartialconnection
机标分类号：TP301.6TN99-34TP241.3
在线出版日期：2024年7月12日
基金项目：基于注意力机制的多任务目标计数系统设计[
期刊论文] 电视技术--2024, 48(7)李永慧提出基于注意力机制的深层神经网络用于目标计数,其任务是为输入图像的目标进行精确数目统计.该网络模型同时引进多任务学习方法,多尺度融合得到密度特征图和注意力特征图进行目标计数.首先,使用交叉特征金字塔网络进行...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于注意力机制的多任务目标计数系统设计 Design of Multi-Task Object Counting System Based on Attention Mechanism
基于注意力机制的多任务目标计数系统设计.pdf
- 文件大小:
- 2.02 MB
- 下载次数:
- 60
-
高速下载
|
|
