تعلم متعدد المهام المتتابع المستند إلى CNN للمسبق العالي والتقدير الكثافي لعد الجموع

تقدير عدد الحشد في المشاهد المزدحمة بشكل كبير هو مهمة صعبة للغاية بسبب التباينات غير المنتظمة في الحجم. في هذا البحث، نقترح شبكة متدرجة جديدة من الشبكات العصبية الاصطناعية (CNN) تعمل بشكل متكامل لتعلم تصنيف عدد الحشد وتقدير خريطة الكثافة معًا. تصنيف عدد الحشد إلى مجموعات مختلفة يعادل تقريبًا تقدير العدد الإجمالي في الصورة، مما يضمن دمج سابقة عليا في شبكة تقدير الكثافة. هذا يمكّن الطبقات في الشبكة من تعلم الخصائص المميزة ذات الصلة عالميًا، والتي تساعد في تقدير خرائط كثافة عالية الدقة بخطأ أقل في العد. يتم التدريب المشترك بأكمله بطريقة متكاملة. أظهرت التجارب الواسعة على قواعد بيانات عامة ومعروفة بأنها صعبة للغاية أن الطريقة المقترحة تحقق خطأ أقل في العد وجودة أفضل لخرائط الكثافة مقارنة بالطرق الأكثر حداثة وأفضل الأداء حاليًا.