毕业论文课题相关文献综述
文 献 综 述一、开发背景和意义随着人群的增长和人群活动的多样化，人群的流动性也逐渐增大，大量群体性事件和人群踩踏事故不断增多，人群的密度估计成了机器视觉的研究热点。
早期的研究工作通过检测身体或头部来估计人群数量，而其他一些方法则学习从局部或全局的特征到实际数量的映射关系来估计数量。
最近，群体计数问题被公式化为人群密度图的回归，然后通过对密度图的值进行求和以得到图像中人群的数量。
随着深度学习技术的成功，研究人员采用卷积神经网络（CNN）生成准确的群体密度图，并能获得比传统方法更好的表现。
然而，由于尺度变化（scale variation）较大、遮挡严重、背景噪声和透视失真，群体计数仍然是一项极具挑战性的任务。
其中，尺度变化是最主要的问题。
为了更好地处理尺度变化，研究人员提出了许多多列（multi-column）或多分支（multi-branch）网络。
这些架构一般由 CNN 的几个列或主干网络不同阶段的几个分支组成。
这些列或分支具有不同的感受野，以感知人群大小的变化。
尽管这些方法有了很好的改进，但它们捕获的尺度多样性受到列或分支数的限制。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
