초록
이 논문은 항공 영상에서 자동차를 탐지하고 카운팅하기 위한 간단하고 효과적인 단일 스태이지 탐지 모델을 제안한다. 제안된 모델인 히트맵 러닝 컨볼루셔널 신경망(HLCNN)은 대상 자동차 인스턴스의 히트맵을 예측하는 데 사용된다. 대상 자동차의 히트맵을 학습하기 위해, 완전 연결층 대신 적응층으로서 세 개의 컨볼루션 계층을 추가함으로써 CNN 아키텍처를 개선하였다. 제안된 모델에서 백본 컨볼루셔널 신경망으로 VGG-16을 사용하였다. 제안된 방법은 자동차의 수를 성공적으로 결정하고, 대상 자동차의 중심 위치를 정밀하게 탐지할 수 있었다. PUCPR+ 및 CARPK라는 두 가지 다른 자동차 데이터셋에 대한 실험 결과, 기존 방법들과 비교하여 제안된 방법이 최신 기술 수준의 카운팅 및 위치 추정 성능을 보였다. 또한, 데이터 증강과 배치 정규화가 제안된 방법의 성공에 미치는 영향을 평가하기 위한 실험도 수행되었다. 코드와 데이터는 다음 링크에서 공개될 예정이다 [https://www.github.com/ekilic/Heatmap-Learner-CNN-for-Object-Counting].