从网络剪枝、网络重构、轻量化卷积模块设计等角度出发，提出了多种通用的轻量化人群检测模型。针对目标检测特征融合网络的参数冗余问题，通过精简卷积层输出通道数和使用小卷积核优化检测网络结构。在此基础上进一步提出一种基于归一化缩放系数的通道剪枝算法，删除重要性较低的卷积通道，减少检测模型体积。提出的模型在100+ FPS的检测速度下表现出良好的检测性能。针对图像中目标相互遮挡严重、传统回归器搜索空间存在局限性的问题，提出图像分区域、数量分区间并提升类别损失权重算法。引入深度强化学习进一步精调区域密度级别分类图，利用预设的智能体动作不断调整校正目标群体区域密度级别分类图从而使密度级别分类边缘准确清晰。针对目标样本监督信息存在数据稀疏性、点级标注获取困难的问题，提出基于多层级监督信息的小样本目标计数算法，指引计数模型泛化多样化目标特征空间。
微信公众号