[发明专利]一种人群计数方法

权利要求书

1.一种人群计数方法，其特征在于，所述方法包括训练阶段和测试阶段，所述训练阶段包括以下步骤：

步骤1，获得训练图像之间的相似性，并选择训练样本；

步骤1-1，建立人群计数网络模型；

步骤1-2，获得训练图像样本之间的相似性；

定义T＝{(x_i，y_i)|i＝1，2，...，N}为带有N个样本作物的训练集，所述样本作物为样本及其对应点标注；给定模型的特征提取器和密度图生成器分别定义为f＝Ψ(x，θ₁)和d＝Φ(f，θ₂)，其中，θ₁和θ₂分别是特征提取器和密度图生成器的参数；损失函数表示为其中 ŷ ＝Φ(Ψ(x，θ₁)，θ₂)；

所述训练图像样本之间的相似性通过包括下述步骤的方法获得：

步骤1-2-1，获得第i个样本的损失；

其中，基本模型的第i个样本(x_i，y_i)的损失为l_i＝L(Φ(f_i，θ₂)，y_i)，所述基本模型为人群计数网络模型；

步骤1-2-2，微调人群计数网络模型的密度图生成器的参数；

其中，微调基本模型的密度图生成器的参数，获得最优参数为

步骤1-2-3，获得第j个样本的损失，并获取第i个样本和第j个样本之间的微调相似性；

所述第i个样本和第j个样本之间的微调相似性通过下式获得：

l_i＝L(Φ(f_i，θ₂)，y_i)，表示人群计数网络模型的第i个样本(x_i，y_i)的损失；表示微调模型的第j个样本(x_j，y_j)的损失；

步骤1-3，选择训练样本；

按照下式定义第m个训练周期下的第i个样本的下降趋势的指标I(i，m)：

x_i为第i个样本；y_i表示第i个样本的真实值，∈表示超参数；

通过下式获得训练样本的不稳定性：

设定阈值η，取值为0～0.5，其中，选择不稳定性大于阈值的样本，形成一个不稳定样本集合，表示为Q；

步骤2，对选择的训练样本进行聚类，为每一类存储一组权重；

所述聚类按照包括下述步骤的方法进行：

步骤2-1，获得不稳定样本集合Q中的样本u与其他所有Q中样本的相似性的和，并将所有样本标记为未处理状态；

步骤2-2，将所有不稳定样本按照相似性之和进行降序排列，并遍历这些样本；

步骤2-3，根据样本的处理状态，进行聚类；

在步骤2中，

在进行聚类时，首先判断样本是否未处理，如果样本已处理，则进入下一循环过程；如果样本未处理，则创建一个新的聚类，并对所有不稳定样本按照当前处理样本的相似性进行降序排序，遍历这些样本；

在上述创建新的聚类中，判断每个样本的处理状态，如果样本已处理，则进入下一循环过程；如果样本未处理，则判断该样本是否与该聚类中的所有样本相似，如果是，则将该样本加入到该聚类中，如果不是，则跳过该样本；

步骤3，训练权重检索模块；

步骤3中，在训练权重检索模块时，采用如下式所示的软标签：

其中，S_j为第j个聚类，x_i为第i个样本，s(i,j)为样本i与样本j之间的相似度，为样本i在聚类j上的标签；K表示步骤2获得的聚类数量。

2.根据权利要求1所述的人群计数方法，其特征在于，步骤1-1中，所述建立的人群计数网络模型由作为基本特征提取器的标准特征金字塔网络(FPN)和作为密度图生成器的膨胀卷积组成。

3.一种计算机可读存储介质，其特征在于，存储有使用存储增强的人群计数程序，所述程序被处理器执行时，使得处理器执行权利要求1至2之一所述人群计数方法的步骤。

4.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有使用存储增强的人群计数程序，所述程序被处理器执行时，使得处理器执行权利要求1至2之一所述人群计数方法的步骤。