摘要：针对卷积神经网络模型训练效率不高的问题,在人群计数方面提出了一种分块多列卷积神经网络构架,即将整幅图像分割成大小相等的3部分后分别进行训练.这样大大降低了单个模型数据的输入维度,训练效率有了很大的提升.针对数据准备阶段密度图不易生成的问题,提出了一种简化且有效的密度图生成方法.在公开数据集mall_dataset上对所提出的方法进行了验证,并与现在表现优秀的多列卷积神经网络（MCNN）方法做了对比.实验结果表明,本方法在保持计数准确率的基础上提高了模型的训练效率.

原文链接:http://www.cqvip.com/QK/96054X/201702/672695970.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）