论文部分内容阅读
针对卷积神经网络模型训练效率不高的问题,在人群计数方面提出了一种分块多列卷积神经网络构架,即将整幅图像分割成大小相等的3部分后分别进行训练.这样大大降低了单个模型数据的输入维度,训练效率有了很大的提升.针对数据准备阶段密度图不易生成的问题,提出了一种简化且有效的密度图生成方法.在公开数据集mall_dataset上对所提出的方法进行了验证,并与现在表现优秀的多列卷积神经网络(MCNN)方法做了对比.实验结果表明,本方法在保持计数准确率的基础上提高了模型的训练效率.