面向跨域人群计数的头部感知密度适应网络

基于领域自适应技术的人群计数方法不依赖标注样本,是一种重要的无监督学习策略,但是现有方法易造成头部区域信息丢失和背景区域过度估计.针对以上问题,提出了一种面向跨域人群计数的头部感知密度适应网络.该方法由头部感知风格迁移模块和密度适应模块组成.其中,风格迁移模块利用源域密度图生成头部掩膜和背景掩膜,并以此设计了基于头部感知的风格迁移损失函数,以防止风格迁移后头部区域与背景区域的混淆.同时,密度适应模块利用鉴别器进一步将源域与目标域的特征映射到同一个隐空间,增强了源域密度图和目标域密度图分布的一致性.整个网络以端到端的方式同时训练风格迁移和密度适应模块,使模块相互迭代学习,共同受益.在合成数据集GCC和3个真实数据集上的实验结果表明,与现有几种跨域算法对比的结果表示,该方法的平均绝对误差降低9%,均方误差降低7%;在无标注的目标场景实现了鲁棒的跨域人群计数.

我国民间投资区位选择变化及其实证分析

本文根据区域经济发展理论、区位选择理论和聚集效应理论。通过建立局部调整模型,从当地的上一期民间投资数量、市场容量、政府规模及基础设施水平四个方面,对1996-2002年期间我国东部、中部和西部地区的民间投资状况进行了计量分析,得出以下结论:本期民间投资与前期民间投资数量、市场容量及基础设施水平都呈现正相关关系,而与政府规模呈现负相关关系。本文还就各因素给出相应的政策建议。