一种基于多方面细粒度对齐的域自适应人群计数方法技术

本发明专利技术公开了一种基于多方面细粒度对齐的域自适应人群计数方法，其步骤包括：1.源域和目标域图像的加权采样；2.源域和目标域的图像编码与密度图生成；3.基于条件域对抗训练的人群密度对齐；4.基于对比学习的图像风格对齐；5.在人群计数数据集上的模型参数优化；6.利用优化后的模型进行人群密度图预测。本发明专利技术能够提取与目标域相关的人群特定信息，并过滤不相关源域特征的干扰，从多方面细粒度地对齐源域和目标域的人群分布，通过加权采样和两种与分布对齐相关的损失函数，分别约束源域和目标域的训练样本数量、人群密度、图像风格的一致性，以正确对齐源域和目标域之间的人群分布，从而能提高跨域人群计数模型的泛化性和鲁棒性。

【技术实现步骤摘要】

本专利技术属于人工智能领域，涉及到计算机视觉、域自适应等技术，具体地说是一种基于多方面细粒度对齐的域自适应人群计数方法。

技术介绍

1、近年来，使用计算机视觉技术对密集人群进行计数引起了显著的关注。它在许多领域都有广泛的应用，比如估计社会和体育活动中参与者的规模和数量等。

2、最近，使用深度学习的人群计数方法取得了显著的进展。大多数现有模型假设测试数据将具有与训练数据相同的分布，在这种情况下，模型是在完全监督学习中训练的。然而，由于图像风格、人群密度以及不同领域中的训练数据大小的变化，这种假设经常失败。这种从训练数据（源域）到未见过的测试数据（目标域）的转变，被称为领域偏移，显著影响了深度学习模型在现实世界场景中的性能。本专利技术侧重于提高人群计数模型的跨域推理能力。

3、对于领域自适应人群计数任务，研究人员最初使用合成数据集来弥补与真实数据的差距，但由于语义差异，准确捕捉密集场景中的人群特征仍然很困难。最近的研究集中在影响跨领域人群计数泛化性能的因素上，例如对风格进行转换，和对密度进行采样对齐。然而，这些方法并没有全面解决训练数据本文档来自技高网...

【技术保护点】

1.一种基于多方面细粒度对齐的域自适应人群计数方法，其特征在于，是按照如下步骤进行：

2.根据权利要求1所述的一种基于多方面细粒度对齐的域自适应人群计数方法，其特征在于，步骤2是按照如下步骤进行：

3.根据权利要求2所述的一种基于多方面细粒度对齐的域自适应人群计数方法，其特征在于，步骤3是按照如下步骤进行：

4.根据权利要求3所述的一种基于多方面细粒度对齐的域自适应人群计数方法，其特征在于，步骤4是按照如下步骤进行：

5.根据权利要求4所述的一种基于多方面细粒度对齐的域自适应人群计数方法，其特征在于，步骤5是按照如下步骤进行：

...

【技术特征摘要】

1.一种基于多方面细粒度对齐的域自适应人群计数方法，其特征在于，是按照如下步骤进行：

2.根据权利要求1所述的一种基于多方面细粒度对齐的域自适应人群计数方法，其特征在于，步骤2是按照如下步骤进行：

3.根据权利要求2所述的一种基于多方面细粒度对齐的域自适应人群计数方法，其特征在于，步骤3是按照如下步骤进行：

4.根据权利要求3所述的一种基于多方面细粒度对齐的域自适应人群计数方法，其特征在于，步骤4是按照如下步骤进行：

5.根据...

【专利技术属性】
技术研发人员：杨勋，叶俊杰，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：