计算机软件及计算机应用论文_基于上下文注意力-计算机工程

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

计算机软件及计算机应用论文_基于上下文注意力

作者:

关键词:

摘要：

文章摘要:为了进行商业区人群流动分析，或避免诸如人群踩踏等公共安全事件的发生，通常采用的方法是统计监控图像中的人数信息，从而达到提前预警的效果。由于传统依靠人力计数的方法经常会出现误检漏检的情况并且所需成本较高，故基于密度图的人群计数方法应运而生。针对人群计数领域存在的多尺度变化以及复杂背景干扰问题，提出了一种基于上下文注意力密度图融合的人群计数网络（Network based on Context Attention Density Map Fusion，CADMFNet）。首先，以VGG16的部分卷积层为前端网络，引入上采样融合模块（Up-sampling Fusion Module ，UFM），实现上下文特征融合。其次，使用不同膨胀率的膨胀卷积作为后端网络，生成高质量的中间密度图。最后，采用上下文注意力模块（Context Attention Module ，CAM），从中间密度图中提取出更为精细的最终密度图。在三个对应不同人群密度等级的公开数据集上进行实验，该网络取得了近乎最优的结果；数据集密度由高到低依次为UCF＿CC＿50、ShanghaiTech Part A、ShanghaiTech Part B、Mall。在上述各数据集上的MAE依次为238.3、62.2、7.9、1.31，RMSE依次为363.1、100.6、12.1、1.59。对比CSRNet模型，该网络在UCF＿CC＿50、ShanghaiTech Part A、ShanghaiTech Part B数据集的实验中，MAE与RMSE均下降了8%以上，初步验证了模型的准确性和鲁棒性。

文章关键词: