《表1 在ShanghaiTech数据集的平均绝对误差MAE和均方误差MSE预测结果》

  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

《公共地点人流量统计预警平台》

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

在密度估计算法通道中，选用了3个经典的神经网络模型（MCNN，Switching-CNN，CP-CNN，CSRNet）做对比实验，在Shanghai Tech数据集的平均绝对误差MAE和均方误差MSE预测结果对比见表1。由表1可知，CRSNet的MAE与MSE更低，有更快的推理速度，本文将其作为密度估计算法通道的核心算法。密度估计算法通道的具体流程为:针对某一特定的地点，启动预训练好的模型，等待目标检测生成新的数据，目标检测生成的数据投送到位后，开始迁移训练，训练完成后进行常规的人流量估计人物；到特定的时间或者收到管理者的指令后，进入下一轮的再训练。