来源：期刊VIP网 时间：
作者：魏祥一;张莉;
单位：苏州大学计算机科学与技术学院;
摘要：针对现有目标计数算法抗背景杂波能力差以及对高度遮挡、尺度变化大的目标计数准确率低的问题，提出一种基于局部信息编码特征金字塔的多类目标计数网络模型。所提算法利用卷积神经网络中特征图的冗余性来搭建轻量级的骨干网络，同时添加带有局部信息编码机制的特征金字塔模块学习目标的局部特征，最后使用卷积层组成的回归头和分类头分别进行目标的数量预测和位置预测。为实现多类目标计数任务，将已有人群计数数据集ShanghaiTech和车辆计数数据集CARPK(Car Parking)的训练集混合并对之训练；为与已有方法进行对比，分别在这两类目标数据集的测试集上进行测试，并以平均绝对误差和均方误差作为计数评价指标。实验结果证明所提出算法能进行多类目标计数且在目标计数上的表现优于其他方法。
关键词：多类目标计数;;局部特征编码;;卷积神经网络;;轻量级骨干网络
基金资助：江苏省高校自然科学研究基金资助项目(19KJA550002)
