目 录
1绪 论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 基于检测的人群计数方法
1.2.2 基于回归的人群计数方法
1.2.3 基于密度估计的人群计数方法
1.3 主要研究内容
1.4 本文的组织结构
2 相关理论及技术概述
2.1 卷积神经网络
2.1.1 卷积运算
2.1.2 空洞卷积运算
2.1.3 池化运算
2.2 深度学习中的多任务学习
2.2.1 硬参数共享
2.2.2 软参数共享
2.3 卷积神经网络通道剪枝
2.4 本章小结
3 基于多任务学习的人群计数方法
3.1 基于密度图估计的卷积神经网络人群计数方法
3.1.1 密度图概念
3.1.2 标签密度图生成
3.1.3 基线模型网络结构设计
3.2 目标区域分割与密度等级分类网络分支设计
3.2.1 目标区域分割任务分支
3.2.2 密度等级分类任务分支
3.3 结合多任务学习的卷积神经网络人群计数方法
3.3.1 多任务学习卷积神经网络结构
3.3.2 多任务损失函数设计
3.4 实验
3.4.1 实验环境
3.4.2 实验数据集
3.4.3 评价指标
3.4.4 实现细节
3.4.5 实验结果对比与分析
3.5 本章小结
4 基于通道剪枝的快速人群计数方法
4.1 结合通道剪枝的快速人群计数
4.1.1 通道剪枝设计
4.1.2 二值激活
4.2 自适应通道剪枝与密度图估计损失函数
4.3 实验
4.3.1 实验数据集
4.3.2 评价指标
4.3.3 实验细节
4.3.4 实验结果与分析
4.4 本章小节
5 总结与展望
5.1 研究工作总结
5.2 展望
参考文献
附 录
A. 作者在攻读学位期间发表的论文目录
B. 作者在攻读学位期间取得的科研成果目录
C. 学位论文数据集
致 谢
重庆大学;