摘要
本文提出了一种简单而有效的单次检测（single-shot）模型，用于在航拍图像中检测并计数车辆。所提出的模型名为热图学习卷积神经网络（Heatmap Learner Convolutional Neural Network, HLCNN），其核心功能是预测目标车辆实例的热图（heatmap）。为学习目标车辆的热图特征，本文在传统CNN架构中引入了三个卷积层作为适应层（adaptation layers），替代了传统的全连接层。模型以VGG-16作为主干网络（backbone convolutional neural network）。实验结果表明，该方法不仅能准确估计车辆数量，还能精确检测出目标车辆的中心位置。在两个不同的车辆数据集（PUCPR+ 和 CARPK）上的实验验证了所提方法在计数与定位性能方面均达到了当前最优水平，显著优于现有方法。此外，本文还通过实验系统评估了数据增强（data augmentation）和批量归一化（batch normalization）对模型性能的影响，进一步验证了其有效性。相关代码与数据集将公开发布于以下链接：[https://www.github.com/ekilic/Heatmap-Learner-CNN-for-Object-Counting]。