分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-01-03 合作期刊: 《计算机应用研究》
摘要: 提出了一种混合卷积神经网络用于人群数量的感知计算,在高度密集的场景中可以准确地预测人群密度图。模型仅由两个部分组成:前端为扩张卷积神经网络提取二维特征;后端采用分数步长卷积神经网络降低下采样中的信息损失。为了验证和分析算法性能,模型设计基于当前较为流行的Shanghai Tech数据集,使用回归问题的评价指标,即平均绝对误差(MAE)和均方误差(MSE)作为评估算法性能的标准。并且在Shanghai Tech (MAE=100.8),UCF_CC_50 (MAE=305.3) 与 WorldExpo'10数据集上进行测试,实验表明模型在密集场景下较以往的方法有效降低了MAE和MSE,提高了密集人群计数的准确率。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-05-18 合作期刊: 《计算机应用研究》
摘要: 为了准确、快速地将拷贝图像识别出来,提出一种基于CS-LBP(centrally symmetric local binary pattern)纹理与位图像统计的图像哈希算法。算法首先对图像做预处理;然后利用三级小波分解得到近似图像和高频信息,对第二、三级近似图像利用Ring分割,提取每一环的统计特征,对第二、三级高频信息的水平方向分量和垂直方向分量进行位图像分解,提取统计特征;最后将所有的低频和高频特征联合起来生成图像哈希序列。实验结果表明所提算法的分类性能优于现有的一些哈希算法,在拷贝检测应用上具有很好的准确率。