(1)开发环境
Windows,Anaconda3,Pycharm,Python3.9,CUDA11.6,torch1.13.1
(2)数据集介绍
使用的数据集是shanghaiTech数据集,该数据包含part_A_final和part_B_final两部分。A部分训练集300张图片,测试集182张图片;B部分训练集400张图片,测试集316张图片。A,B两部分测试集和训练集打开都包含images和ground_truth两部分。A部分从互联网上随机抓取的图像,B部分取自上海大都市繁华街道的图像。这两个子集之间的人群密度差异很大,使得人群的准确估计比大多数现有数据集更具挑战性。
本文方法:本文将A和B两个数据集合并到一起进行训练,其中训练集700张图片,测试集498张图片。

(3)功能描述
📚 模型训练验证
运行train.py进行模型训练,设置100轮,经过约24小时训练结束,验证集loss曲线和验证集的MAE曲线如图所示。

🎮 模型测试
导入单张图片使用test.py进行验证,输出人数和密度图,如图所示。

🌐 Pyqt5界面
主界面运行main_ui.py,包括导入模型、导入图片、阈值设置、开始检测。
视频演示及代码获取:Python图像处理------基于CSRNet的人群密度检测系统(Pytorch框架)
最后:
小编会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner,gui设计、simulink仿真......希望能帮到你!
