배경 간섭과 급격한 군중 규모 변화로 인해 군중 계수 성능이 저하되는 문제를 해결하기 위해 밀집 연결 주의 메커니즘과 규모 인식 재구성을 강화한 군중 계수 방법을 제안하였다. 먼저, 팽창 합성곱으로 개선된 VGG19 네트워크를 모델의 거친 특징 추출 네트워크로 사용하고, 밀집 연결 이중 채널 주의 메커니즘을 삽입하여 군중 계수 특징을 강화하고 배경 간섭을 억제하는 밀집 연결 주의 메커니즘 특성 추출 네트워크를 설계하였다. 다음으로, 얕은 층에서 깊은 층까지 다양한 규모의 군중 특징 정보를 충분히 활용하고, 급격한 군중 규모 변화로 인한 계수 성능 저하 문제를 극복하기 위해 규모 인식 재구성 업샘플링 및 소프트 마스크 특성 강화 및 전달 구조를 설계하였다. 둘째, 다중 해상도 융합 모듈을 제안하여 다중 해상도 정보 간 상호작용을 강화하고, 서로 다른 해상도 간 의미론적 차이를 줄여 군중 계수 정확도를 향상시켰다. 마지막으로, ShanghaiTech, UCF-QNRF, JHU_CROWD++와 같은 군중 데이터셋에서 비교 실험을 수행한 결과 제안한 방법이 비교 알고리즘보다 우수하며, DM-Count 군중 계수 알고리즘과 비교하여 MAE, MSE 오차가 각각 15.98%, 14.52% 감소하여 더 높은 계수 성능을 보였다.

군중 계수; 밀집 연결 주의; 규모 인식 재구성; 다중 규모 강화; 다중 해상도 융합