首页> 外文OA文献 >Convolutional-Neural Network-Based Image Crowd Counting: Review, Categorization, Analysis, and Performance Evaluation

【2h】

Convolutional-Neural Network-Based Image Crowd Counting: Review, Categorization, Analysis, and Performance Evaluation

机译：基于卷积的神经网络的图像人群计数：审查，分类，分析和性能评估

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Naveed Ilyas; Ahsan Shahzad; Kiseon Kim;
展开▼
作者单位

展开▼
年度 2019
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Performance evaluation of crowd image analysis using the PETS2009 dataset [J] . James Ferryman, Anna-Louise Ellis Pattern recognition letters . 2014,第JULa15期

机译：使用PETS2009数据集进行人群图像分析的性能评估
2. Counting people in the crowd using social media images for crowd management in city events [J] . Gong V. X., Daamen W., Bozzon A., Transportation . 2021,第6期

机译：在城市活动中使用社交媒体图像计算人群中的人群
3. Crowd counting via scale-adaptive convolutional neural network in extremely dense crowd images [J] . Ran Yan, Shengrong Gong, Shan Zhong International Journal of Computer Applications in Technology . 2019,第4期

机译：人群通过尺度适应性卷积神经网络计数极度密集的人群图像
4. CCCNet: An Attention Based Deep Learning Framework for Categorized Counting of Crowd in Different Body States [C] . Sarkar Snigdha Sarathi Das, Syed Md. Mukit Rashid, Mohammed Eunus Ali International Joint Conference on Neural Networks . 2020

机译：CCCNet：基于注意的深度学习框架，用于不同身体状态的人群分类计数
5. Crowd sourced product reviews: A study of evaluation standards used [D] . Manga, Alexander W. 2016

机译：众包产品评论：使用的评估标准研究
6. Convolutional-Neural Network-Based Image Crowd Counting: Review Categorization Analysis and Performance Evaluation [O] . Naveed Ilyas, Ahsan Shahzad, Kiseon Kim 2020

机译：基于卷积神经网络的图像人群计数：审查分类分析和性能评估
7. Figure 5: Performance of participants in Experiment 2: the gray columns show the performance with hand images (bars represent standard errors). (A–B) represent the SNARC-congruent conditions (A: smaller magnitudes categorized with the left hand; B: larger magnitudes categorized with the right hand); C and D represent the SNARC-incongruent conditions (C: larger magnitudes categorized with the left hand; D: smaller magnitudes categorized with the right hand). [O] . -1

机译：图5：实验中的参与者的性能2：灰色柱显示使用手图像的性能（栏代表标准错误）。（A-B）代表SNARC-一致条件（A：用左手分类的较小量大; B：用右手分类为较大的大小）; C和D代表SNARC-INCONGRUENT条件（C：用左手分类的较大幅度; D：用右手分类为较小的大小）。
8. Evaluation Procedure for Building Energy Performance Prediction Tools: Volume 2, Background Research Documentation: Appendix B, Listing and Review of Previous Evaluation and Categorization Studies [R] . 1984

机译：建筑能源绩效预测工具评估程序：第2卷，背景研究文件：附录B，以往评估和分类研究的清单和审查

Convolutional-Neural Network-Based Image Crowd Counting: Review, Categorization, Analysis, and Performance Evaluation

著录项

引文网络

相似文献

相关主题

期刊订阅