基于注意力机制和多尺度融合的人群计数网络.pdfVIP

研究论文第51卷第3期/2025年3月/计算机工程

基于注意力机制和多尺度融合的人群计数网络

栾方军，龚琪，袁帅

（1.沈阳建筑大学计算机科学与工程学院，辽宁沈阳110168；

2.辽宁省城市建设大数据管理与分析重点实验室，辽宁沈阳110168；

3.国家特种计算机工程技术研究中心沈阳分中心，辽宁沈阳110168)

摘要：为了应对人群图像中尺度变化和背景干扰的问题，提出一种人群计数网络模型，旨在充分利用多尺度信

息并降低背景噪声的影响。首先采用ConvNeXt作为主干网络，用于提取特征。其次为了有效融合不同层次的特

征，提出多层次特征融合模块（MFFM)，将主干网络中不同层次的特征进行跨尺度融合，融合后的特征包含了不

同尺度的语义信息，可以更好地适应人群计数任务中的尺度变化问题。接着为了更好地解决人群计数中存在的

挑战，设计一个多尺度注意力模块（MSAM)，根据不同感受野的分支提取不同尺度的特征，利用选择性Kernel通

道注意力(SKCA)缓解多列结构存在的特征相似问题,并将模块生成的注意力图反馈到对应的尺度特征中，以抑

制背景的干扰。网络模型在ShanghaiTechA数据集中的平均绝对误差(MAE)和均方根误差(RMSE)分别达到了

56.1和93.9；在ShanghaiTechB数据集中的MAE和RMSE分别达到了6.1和10.3；在UCF_CC_50数据集中的

MAE和RMSE分别达到了174.9和252.7；在Mall数据集中的MAE和RMSE分别达到了1.42和1.85。在公

开数据集上的实验结果表明，提出的网络模型与现有代表性的人群计数方法相比，在提升人群计数任务的准确性

和鲁棒性方面均取得了明显进展。

关键词：人群计数；多尺度特征融合；注意力机制；神经网络；密度图

中图分类号：TP393文献标志码：AD0I:10.19678/j.issn.1000-3428.0069071

CrowdCountingNetworkBasedonAttentionMechanismandMultiscaleFusion

LUANFangjun,GONGQi,YUANShuai*

(1.SchoolofComputerScienceandEngineering,ShenyangJianzhuUniversity,Shenyang110168,Liaoning,China;

2.LiaoningProvinceBigDataManagementandAnalysisLaboratoryofUrbanConstruction,Shenyang11o168,Liaoning,China;

3.ShenyangBranchofNationalSpecialComputerEngineeringTechnologyResearchCenter,Shenyang110168,Liaoning,China)

[Abstract]Toaddressthechallengesofscalevariationandbackgroundinterferenceincrowdimagecounting,a

novelnetworkmodelhasbeenproposed.Thismodelaimstofullyutilizemultiscaleinformation,tomitigatethe

impactofbackgroundnoise.Initially,thenetworkmodelemploysConvNeXtasthebackboneforfeature

extraction.Subsequently,aMultilevelFeatureFusionModule(MFFM)isintroducedtoeffectively