摘要
本发明公开了一种基于WQCount模型的多尺度特征融合方法,包括:步骤S1,选择ShanghaiTech、UCF‑QNRF和JHU‑Crowd++数据集,并将数据集划分出训练集、验证集和测试集;步骤S2,对ShanghaiTech、UCF‑QNRF和JHU‑Crowd++数据集进行预处理;步骤S3,构建WQCount模型;步骤S4,通过训练集和验证集对WQCount模型进行训练、验证,并利用训练后的WQCount模型对测试集进行测试;步骤S5,利用测试后的WQCount模型预测各尺度下的人群密度,最后通过最大密度融合优化特征表示。本发明通过多尺度特征解耦与动态融合机制,显著提升了模型对域偏移的鲁棒性。
技术关键词
特征融合方法
密度
分支
多尺度特征
标签
通道
图像
动态融合机制
二维高斯模型
掩码矩阵
像素
注意力机制
误差
强化特征
特征提取器
训练集
特征值
生成特征
数据