要約
本研究では、画像中の群衆カウントの問題に取り組んでいます。この問題を解決するために、畳み込みニューラルネットワーク（CNN）に基づく密度推定手法を提案します。一括で高解像度の密度マップを予測することは困難な課題です。そのため、低解像度の密度マップを生成する第1ブランチと、その低解像度の予測結果と第1ブランチからの特徴マップを用いて高解像度の密度マップを生成する第2ブランチから構成される2つのブランチを持つCNNアーキテクチャを提示します。さらに、パイプライン内の各段階が前のすべての段階からの予測結果を利用することを可能にする多段階拡張手法も提案しています。既存の最先端の群衆カウント手法との経験的な比較では、Shanghaitech、WorldExpo'10、UCFデータセットという3つの難易度の高い群衆カウントベンチマークにおいて、当手法が最も低い平均絶対誤差を達成していることが示されました。