【技术实现步骤摘要】
本专利技术属于人群计数，具体涉及面向领域自适应人群计数的能量驱动主动学习方法。
技术介绍
1、随着计算机视觉技术的快速发展，人群计数在跨域场景下的应用需求日益凸显，例如不同城市公共安防监控系统的协同部署、多场景交通枢纽的智能调度等。现有基于监督学习的人群计数方法高度依赖目标域数据的精细化标注，而跨域场景下源域与目标域的数据分布差异（如光照、密度、视角等）往往导致模型性能显著下降。尤其在存在显著领域偏移的计数任务中，传统方法面临双重困境：一方面，直接迁移源域模型会因分布差异导致计数误差累积放大；另一方面，全监督的跨域标注需要覆盖复杂场景变化，其成本呈指数级增长，难以满足实际应用中的高效性与可扩展性需求。
2、为减少源域与目标域之间的分布差异，提升模型在跨场景下的人群计数性能，主动学习方法逐渐受到关注。主动学习通过智能选择最具代表性或不确定性的样本进行标注，以在有限标注预算下显著提升模型性能，降低人工成本。同时，能量模型凭借其在建模高维分布和度量样本不确定性方面的优势，为跨域对齐提供了新的思路。能量模型可通过学习源域和目标域数据...
【技术保护点】
1.面向领域自适应人群计数的能量驱动主动学习方法，其特征在于包括以下步骤：
2.根据权利要求1所述的面向领域自适应人群计数的能量驱动主动学习方法，其特征在于，所述的S1中，对于输入图像x，提取多尺度视觉特征表示为：
3.根据权利要求2所述的面向领域自适应人群计数的能量驱动主动学习方法，其特征在于，所述的S2中，将模型预测值与样本真实值之间差值的绝对值定为能量函数，表示为：
4.根据权利要求3所述的面向领域自适应人群计数的能量驱动主动学习方法，其特征在于，所述的S3中，数据增强的方式为随机翻转、随机旋转、随机色彩扰动，表示为：
...【技术特征摘要】
1.面向领域自适应人群计数的能量驱动主动学习方法，其特征在于包括以下步骤：
2.根据权利要求1所述的面向领域自适应人群计数的能量驱动主动学习方法，其特征在于，所述的s1中，对于输入图像x，提取多尺度视觉特征表示为：
3.根据权利要求2所述的面向领域自适应人群计数的能量驱动主动学习方法，其特征在于，所述的s2中，将模型预测值与样本真实值之间差值的绝对值定为能量函数，表示为：
4.根据权利要求3所述的面向领域自适应人群计数的能量驱动主动学习方法，其特征在于，所述的s3中，数据增强的方式为随机翻转、随机旋转、随机色彩扰动，表示为：
5.根据权利要求4所述的面...
【专利技术属性】
技术研发人员：高明亮，程敬安，翟文哲，李启磊，王建勇，邹国锋，王彬，潘金凤，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。