1.一种目标数量确定方法,其特征在于,包括:
获取待检测图像;
将所述待检测图像输入到神经网络中,得到所述待检测图像的目标密度图;
根据所述目标密度图各像素的像素值,确定所述待检测图像中的目标对象数量,其中,所述目标密度图中一个所述目标对象所在区域内中心像素的像素值,与所述目标对象所在区域内所述中心像素以外像素的像素值不同;且所述目标密度图中一个所述目标对象所在区域内中心像素的像素值,与所述目标对象不在区域内像素的像素值不同。
2.根据权利要求1所述的方法,其特征在于,所述将所述待检测图像输入到神经网络中,得到所述待检测图像的目标密度图,包括:
将所述待检测图像输入到所述神经网络中得到特征图;
将所述特征图转换为所述目标密度图。
3.根据权利要求2所述的方法,其特征在于,所述将所述特征图转换为所述目标密度图,包括:
基于高斯核对所述特征图进行卷积操作得到所述目标密度图。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述获取待检测图像之前,所述方法还包括:
确定待训练神经网络的网络结构并训练得到训练后的所述神经网络,其中,所述待训练神经网络的网络结构包括n个卷积层,每个卷积层后面都连接一个非线性激活函数层其中,n个所述卷积层中的前m个卷积层后面连接有最大池化层,其中,n为正整数;m为小于n的正整数。
5.根据权利要求4所述的方法,其特征在于,所述训练得到训练后的所述神经网络,包括:
构建训练数据集;
采用均方差损失函数计算标注密度图和所述神经网络预测得到的密度图之间的损失值;
基于所述损失值,采用随机梯度下降法神经网络调整所述神经网络的初始网络参数,得到训练后的所述神经网。
6.一种目标数量确定装置,其特征在于,包括:
获取模块,用于获取待检测图像;
处理模块,用于将所述待检测图像输入到神经网络中,得到所述待检测图像的目标密度图;
计算模块,用于根据所述目标密度图各像素的像素值,确定所述待检测图像中的目标对象数量,其中,所述目标密度图中一个所述目标对象所在区域内中心像素的像素值,与所述目标对象所在区域内所述中心像素以外像素的像素值不同;且所述目标密度图中一个所述目标对象所在区域内中心像素的像素值,与所述目标对象不在区域内像素的像素值不同。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
预处理模块,用于构建训练数据集;
构建模块,用于确定待训练神经网络的网络结构,其中,所述待训练神经网络的网络结构包括n个卷积层,每个卷积层后面都连接一个非线性激活函数层,其中,n个所述卷积层中的前m个卷积层后面连接有最大池化层,其中,n为正整数;m为小于n的正整数;
训练模块,用于对所述待训练神经网络进行训练,得到训练后的所述神经网络。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
9.一种目标数量确定设备,其特征在于,包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,所述处理器用于运行所述计算机程序时,执行权利要求1至5任一项所述方法的步骤。