计算机应用研究

作者：黄紫云,李亚楠,王海晖,

单位：1.武汉工程大学计算机科学与工程学院,武汉430205；2.武汉工程大学智能机器人湖北省重点实验室,武汉430073；

关键词：棉铃,目标计数,上下文信息,多尺度特征,卷积神经网络,

基金：国家自然科学基金资助项目(61906139)；湖北省自然科学基金资助项目(2019CFB173)；武汉工程大学智能机器人湖北省重点实验室开放基金资助项目(HBIR201903)；；

由于实际的棉田环境中存在高度遮挡及尺度多变问题，大幅降低了目标计数算法的精度。针对这一问题，提出基于上下文多尺度融合的棉铃计数算法。算法由金字塔结构的上下文模块和融合卷积神经网络两个部分组成。首先通过全局上下文和局部上下文模块对棉铃图像的上下文信息编码，同时利用多列特征转换模块将输入图像映射成高维特征，最后通过融合卷积神经网络将上下文信息与高维特征进行融合，实现高精度棉铃计数并生成高质量棉铃密度图。此外，从近距离和地空观测两个角度在棉铃数据集上进行实验，实验结果表明，引入上下文信息可以有效提升棉铃计数精度，计数误差MAE和MSE分别下降了27.3和29.4。

来源：2021年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第6期