بررسی روش های شمارش جمعیت در تصاویر

در سال های اخیر، نیازهای فوری برای شمارش جمعیت و وسایل نقلیه، تحقیقات در مورد شمارش جمعیت وتخمین تراکم را به شدت ارتقا داده است. تخمین دقیق تعداد اشیا در یک تصویر یک کار چالش برانگیز و درعین حال معنادار است و در بسیاری از کاربردها مانند برنامه ریزی شهری و ایمنی عمومی استفاده شده است.خوشبختانه، توسعه تکنیک های جمعیت شمار را می توان به سایر زمینه های مرتبط مانند شمارش وسایل نقلیه وبررسی محیطی، بدون در نظر گرفتن ویژگی های آن ها، تعمیم داد. با بهره مندی از توسعه سریع یادگیریعمیق، عملکرد شمارش تا حد زیادی بهبود یافته است، و سناریوهای کاربردی بیشتر گسترش یافته اند. ما دراین مقاله رویکردهای موجود را در چهار دسته مبتنی بر تشخیص، مبتنی بر رگرسیون، مبتنی بر شبکه عصبیکانولوشن و مبتنی بر ویدئو خلاصه می کنیم . ما بیشتر در مورد مجموعه داده ها و معیارها برای جامعه شمارشجمعیت توضیح می دهیم و در مورد کار حل مشکل شمارش بر اساس نمونه های کوچک، روش های حاشیهنویسی مجموعه داده ها و غیره بحث می کنیم. در نهایت، چالش های مختلف پیش روی جمعیت شمار وراه حل های مربوط به آن ها را خلاصه می کنیم و مجموعه ای از روندهای توسعه را در آینده پیشنهاد می کنیم

Keywords:

شمارش جمعیت , تصاویر , یادگیری عمیق , شبکه عصبی کانولوشن