Cnn-ga asoslangan yondashuv Ko'p miqyosli xususiyatni ajratib olish moduli

ShanghaiTech. Biz taklif qilingan usulni ShanghaiTech Part A va Part B ma'lumotlar to'plamlarida bir nechta klassik usullar bilan solishtirdik va u ishlashda sezilarli yaxshilanishga olib kelganligini aniqladik. A qismida bizning usulimiz MAE bo'yicha 39,2%, MSE bo'yicha MCNN uchun 34,9% va CSRNet uchun mos ravishda 1,8% va 2,1% ga ustun edi. B qismida bizning usulimiz MAE bo'yicha 62,5%, MCNN bilan solishtirganda MSE bo'yicha 64,6% va CSRNet uchun mos ravishda 6,6% va 8,8% ga ustun edi.
UCF-QNRF. Hammamizga ma'lumki, UCF-QNRF olomonni hisoblash bo'yicha eng katta va eng keng tarqalgan ma'lumotlar to'plamidir. Taklif etilgan usul ushbu ma'lumotlar to'plamidagi mavjud usullarga nisbatan sezilarli yaxshilanishga erishdi. Masalan, RANet [ 42 ] MAE bo'yicha 111 ball va MSE bo'yicha 190 ballga erishdi, bizning usulimiz esa bu natijalarni MAE bo'yicha 3,3% va MSE bo'yicha 4,3% ga yaxshiladi.

Xulosa
Shahar temir yo'l tranzitidan foydalanishning ko'payishi tufayli metro platformalarida yo'lovchilar oqimi eng yuqori davrlarda keskin oshadi. Bunday hududlarda yo'lovchilar oqimini kuzatish xavfsizlik bilan bog'liq sabablarga ko'ra muhimdir. Ushbu maqolada metro platformasidagi yo'lovchilar oqimini aniqlash muammosini hal qilish uchun biz metro platformalarida odamlarni aniq hisoblash uchun MP (metro platformasi)-CNN deb nomlangan CNN (konvolyutsion neyron tarmog'i) asosidagi tarmoqni taklif qilamiz. Taklif etilayotgan usul uchta asosiy komponentdan iborat: oldingi qismda tasvir xususiyatlarini ajratib olish uchun konvolyutsion neyron tarmoqlari guruhi qo'llaniladi, ko'p miqyosli xususiyatlarni yaxshilash uchun ko'p miqyosli xususiyatlarni ajratib olish moduli ishlatiladi va yuqori namunani yaratish uchun transpozitsiyalangan konvolyutsiyadan foydalaniladi. -sifatli zichlik xaritasi. Hozirda, mavjud olomonni hisoblash ma'lumotlar to'plami ushbu tadqiqotda ko'rib chiqilgan barcha qiyin vaziyatlarni etarli darajada qamrab olmaydi.