科创中国

制造业,汽车制造业

设计了基于CNN与Transformer的交通场景目标计数方法；目标模块由空洞卷积网络构成，定位每个目标的具体位置；密度图估计模块由SwinTransformer网络构成，对交通场景密度图进行预测；跨层特征融合模块实现空洞卷积网络与SwinTransformer网络之间的信息传递；权重自适应生成模块对目标定位与密度图估计的结果进行自适应融合，实现最终的交通场景目标计数。

采用了CNN与Transformer的融合网络同时进行目标定位与密度图回归，并借助跨层特征融合与自适应权重学习实现交通场景目标数量估计。所设计方法精度高、鲁棒性能好，能够预估复杂交通场景下的目标数量，有重要的应用价值。

胡耀聪（1992.06-），男，安徽芜湖人，硕士生导师，于2021年12月在东南大学获得工学博士学位，博士期间访学于新加坡南洋理工大学。近年来，致力于计算机视觉与人工智能方向研究。主要研究课题涉及自动驾驶视觉感知技术、监控视频中的人群视觉建模与分析等。目前主持国家自然科学基金青年项目1项、安徽省高校优秀青年科研项目1项，安徽省重点实验室开放课题1项，发表高水平SCI论文10余篇，获得授权发明专利6项，担任Engineering Applications of Artificial Intelligence、Journal of Visual Communication and Image Representation、Multimedia System等计算机视觉领域权威期刊审稿人。