《表2 ShanghaiTech Dataset在不同网络框架下的测试结果》
表2展示了ShanghaiTech Dataset在不同网络框架下的测试结果。可以看出本文的模型优于TDF-CNN[23],IG-CNN[24],L2R,GSP[25],IC-CNN[26]和CSRnet,同时也具有更好的稳定性。在表2中,MLF-v1是指没有融合结构的网络框架,MLF-v2是指没有多感受野结构的网络框架。通过与MLF-v1、MLF-v2的对比,可以看出融合结构、多感受野结构的有效性。首先在MAE上可以看出,在Part_A测试集上MLF估计出的人群密度要比其它几个模型更接近真实值,比TDF-CNN的准确率提升了30.2%,Part_B上也有不同幅度的提升。图4、图5分别展示了Part_A、Part_B下的原图、Ground-Truth和预测密度图的对比结果。通过对比GroundTruth和预测密度图可以看出,MLF预测密度图与给出的Ground-Truth无论是在分布情况还是密集程度上都保持一致。
图表编号 | XD00204914800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 陈磊、王国栋 |
绘制单位 | 青岛大学计算机科学技术学院、青岛大学计算机科学技术学院 |
更多格式 | 高清、无水印(增值服务) |