公共场所的摄像机可以更准确地分辨人员或车辆的密度

应用于图像/视频处理的深度学习为以可接受的精度进行对象检测和识别的实际部署打开了大门。人群计数是图像/视频处理的另一种应用。日本高级科学技术研究院(JAIST)的科学家设计了一种具有反向连接功能的新型DNN，可以更准确地估算物体的密度。它可用于估计公众中的人员密度或道路上的车辆密度，以提高公共安全/保障和交通效率。

视频监视是一种获取信息以检测对象状态的标准技术。例如，出于改善安全性，安全性和/或交通效率的目的，监视在道路上使用的视频监视以获得关于交通流量，事故发生和/或车辆密度的信息。视频监视的另一个示例是公共场所的人流。必须确保对人员流动和密度进行监控，以确保公共场所(尤其是室内环境)的安全。

获取有关诸如车辆或人员之类的物体的密度或数量的信息称为人群计数。以更高的准确度进行人群计数将以更少的“锯齿状”反馈提供对ITS的更多无缝控制，或者将检测可能导致事故的人为拥堵。由Sooksatra博士和Atsuo Yoshitaka教授领导的JAIST研究小组与泰国SIIT研究小组合作，提出了一种在DNN中使用反向连接的新网络，该网络在人群计算中获得了更高的性能。

Yoshitaka Lab负责人Atsuo Yoshitaka教授说：“ DNN中的向后连接使我们能够利用图像中的高级特征和低级特征，因此实现了比以前更高的性能。” 吉隆实验室。目前，我们正在为工业应用开发各种DNN，例如在显微照片中进行物体检测和物体识别，工业产品缺陷检测以及用于自动诊断的DNA分析。