黃文吉Hwang, Wen-Jyi吳振傑WU, Zhen-Jie2022-06-082022-02-082022-06-082022https://etds.lib.ntnu.edu.tw/thesis/detail/37ce5f9e3c4ccb94b3dec6a35975be58/http://rportal.lib.ntnu.edu.tw/handle/20.500.12235/117350近年來由於受到疫情的影響，室內的人群數量管控就變得越來越重要，因此越來越多的人開始研究如何使用電腦視覺的方式，來解決傳統用人力的方式來計數人群數量的問題。本論文為了能夠在室內環境下進行人群計數，且方便應用於日常生活之中，於是提出了輕量化Density Map網路架構，Simple Indoor Crowd Counting Neural Network(SICCNet)，使用MobileNetV2、Depthwise Convolution、Dilated Convolution等等的技術來達到較少的模型參數量及計算量，並且能夠提升模型的運算速度。SICCNet具有高效率、高準確度且耗費資源較少的特性，並且整合至低成本、體積小且運算受限的邊緣運算裝置，能夠保持辨識的準確率之餘，也能達到即時運算的效果，準確的預測出室內環境下的人數，因此可以應用在日常生活中。none人群計數類神經網路邊緣運算裝置Density Map學術論文