公共場所的攝像機可以更準確地分辨人員或車輛的密度

應用于圖像/視頻處理的深度學習為以可接受的精度進行對象檢測和識別的實際部署打開了大門。人群計數是圖像/視頻處理的另一種應用。日本高級科學技術研究院(JAIST)的科學家設計了一種具有反向連接功能的新型DNN，可以更準確地估算物體的密度。它可用于估計公眾中的人員密度或道路上的車輛密度，以提高公共安全/保障和交通效率。

視頻監視是一種獲取信息以檢測對象狀態的標準技術。例如，出于改善安全性，安全性和/或交通效率的目的，監視在道路上使用的視頻監視以獲得關于交通流量，事故發生和/或車輛密度的信息。視頻監視的另一個示例是公共場所的人流。必須確保對人員流動和密度進行監控，以確保公共場所(尤其是室內環境)的安全。

獲取有關諸如車輛或人員之類的物體的密度或數量的信息稱為人群計數。以更高的準確度進行人群計數將以更少的“鋸齒狀”反饋提供對ITS的更多無縫控制，或者將檢測可能導致事故的人為擁堵。由Sooksatra博士和Atsuo Yoshitaka教授領導的JAIST研究小組與泰國SIIT研究小組合作，提出了一種在DNN中使用反向連接的新網絡，該網絡在人群計算中獲得了更高的性能。

Yoshitaka Lab負責人Atsuo Yoshitaka教授說：“ DNN中的向后連接使我們能夠利用圖像中的高級特征和低級特征，因此實現了比以前更高的性能。” 吉隆實驗室。目前，我們正在為工業應用開發各種DNN，例如在顯微照片中進行物體檢測和物體識別，工業產品缺陷檢測以及用于自動診斷的DNA分析。