Python图像处理——基于CSRNet的人群密度检测系统（Pytorch框架）

（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！