[发明专利]一种自监督的幂律分布人群计数方法、装置和电子设备

权利要求书

1.一种自监督的幂律分布人群计数方法，其特征在于，包括：

S1、将视觉场景样本图像切分成若干子图像块，得到训练样本集；

S2、对所述训练样本集中的每个所述子图像块按多个预设旋转角度中的一个预设旋转角度进行随机旋转，每个所述预设旋转角度对应一个旋转标签，确定每个所述子图像块的旋转标签；

S3、根据每个旋转标签下的所述子图像块进行构建的双流自监督幂律分布人群计数网络进行训练，得到用于人群场景计数的双流自监督幂律分布人群计数网络；其中，所述双流自监督幂律分布人群计数网络包括人群分布匹配网络和多个旋转方向卷积网络，每个所述预设旋转角度对应一个旋转方向卷积网络;

其中步骤S3具体包括：

S31、分别构建旋转方向卷积网络和人均分布匹配网络；

S32、构建所述旋转方向卷积网络与所述人群分布匹配网络之间的知识迁移，并搭建损失函数；根据训练样本集中计数样本逐点打标的空间分布，依据固定幂律参数生成的分布样本作为计数标签，并确定人群分匹配网络输出的分布估计计数结果，具体包括：

S321、将所述旋转方向卷积网络的训练参数迁移至所述人群分布匹配网络中，其中，所述训练参数迁移至所述人群分布匹配网络的卷积层中；

S322、根据训练样本集中计数样本逐点打标的空间分布，依据固定幂律参数生成的分布样本作为计数标签Count^gt；

S323、在人群分布匹配网络中，通过一层二维度的平均池化层输出分布估计计数结果Count^pred；

S33、根据Sinkhorn距离衡量分布估计计数结果和计数标签的分布距离，并度量最优传输损失：

Lsinkhorn=argminCount^pred，Count^gt-E(Count^pred)/β

上式中，，表示矩阵的内积，E()表示熵函数；

S34、根据梯度下降方法，训练所述双流自监督幂律分布人群计数网络。

2.根据权利要求1所述的自监督的幂律分布人群计数方法，其特征在于，步骤S1具体包括：

S11、对视觉场景样本图像进行图像增强处理，并进行亮度增强和色彩增强；所述图像增强处理包括翻转；

S12、将步骤S11处理后的所述视觉场景样本图像切分成若干子图像块。

3.根据权利要求1所述的自监督的幂律分布人群计数方法，其特征在于，步骤S3中，所述旋转方向卷积网络包括卷积层、池化层和全连结层；每层所述卷积层后都嵌入有Batch_Normalization结构；所述旋转方向卷积网络用于预测旋转标签；

所述人群分布匹配网络包括卷积层和池化层；每层所述卷积层后都嵌入有Batch_Normalization结构。

4.根据权利要求3所述的自监督的幂律分布人群计数方法，其特征在于，所述旋转方向卷积网络包括9层卷积层、5层池化层和1层全连结层，所述全连结层的输出节点数与所述旋转标签数量一致；

所述人群分布匹配网络包括10层卷积层和3层池化层，且所述人群分布匹配网络通过卷积层输出分布计算结果。