《表1 不同算法在ShanghaiTech数据集上测试结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合神经网络与多列特征图聚合的人群计数》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在ShanghaiTech数据集上测试，与Switching-CNN算法相比，Part＿A测试集的MAE下降了20.35%，MSE下降了20.07%；Part＿B测试集的MAE下降了53.24%，MSE下降了52.09%。与MSCNN算法相比，Part＿A测试集的MAE下降了14.08%，MSE下降了15.31%；Part＿B测试集的MAE下降了42.94%，MSE下降了47.02%。可以看出VMNet相较于这些同样基于卷积神经网络的算法，预测人数准确率和算法鲁棒性均有大幅提高，证明了VMNet结构的有效性。相较于不同算法在ShanghaiTech数据集上的测试结果如表1所示。