摘要

我们提出了一种用于拥挤场景识别的网络，称为CSRNet，旨在提供一种数据驱动和深度学习的方法，能够理解和分析高度拥挤的场景，并进行精确的人数估计以及生成高质量的密度图。所提出的CSRNet由两个主要组件构成：前端使用卷积神经网络（CNN）进行二维特征提取，后端则采用膨胀卷积神经网络（dilated CNN），通过使用膨胀内核来扩大感受野并替代池化操作。由于其纯卷积结构，CSRNet是一个易于训练的模型。我们在四个数据集（ShanghaiTech数据集、UCF_CC_50数据集、WorldEXPO'10数据集和UCSD数据集）上展示了CSRNet，并实现了最先进的性能。在ShanghaiTech Part_B数据集中，CSRNet的平均绝对误差（MAE）比之前最先进的方法降低了47.3%。我们将目标应用扩展到其他对象的计数，例如TRANCOS数据集中的车辆。结果表明，CSRNet显著提高了输出质量，在该数据集中MAE比之前的最先进方法低15.4%。