摘要
在本研究中，我们致力于解决图像中的群体计数问题。我们提出了一种基于卷积神经网络（CNN）的密度估计方法来解决这一问题。一次性预测高分辨率密度图是一项具有挑战性的任务。因此，我们设计了一种双分支CNN架构来生成高分辨率密度图，其中第一个分支生成低分辨率密度图，第二个分支则结合第一个分支的低分辨率预测结果和特征图来生成高分辨率密度图。此外，我们还提出了该方法的多阶段扩展版本，在流水线的每个阶段都会利用所有前一阶段的预测结果。通过与先前最先进的群体计数方法进行实证比较，结果显示我们的方法在三个具有挑战性的群体计数基准数据集——Shanghaitech、WorldExpo'10 和 UCF 数据集上实现了最低的平均绝对误差。