人群密度估计
CSRNet: Dilated Convolutional Neural Networks for Understanding the Highly Congested Scenes CVPR2018
针对复杂场景的拥挤场景理解我们提出了一个 CSRNet 网络，该网络主要包括两个部分，前端使用一个 卷积网络用于 2D 特征提取，后端用一个 dilated CNN。 该网络在几个常用的公开人群密度估计数据库上取得了不错的效果。
1 Introduction 拥挤场景解析的发展从简单的人群数值估计到 人群密度图估计，人群密度图可以提供额外的信息，因为同样数量的人可以分布在不同的位置，如下图所示
生成准确的人群分布图挑战性比较大，其中一个主要的困难就是离散化的问题，人在图像中不是只占用一个像素，密度图需要保持局部邻域的连续性。其他的困难包括场景的多样性，相机角度的多样性。
以前基于CNN网络的人群密度估计主要采用了 multi-scale architectures，虽然取得了不错的性能，但是存在两个问题：当网络变深的时候， the large amount of training time and the non-effective branch structure ，这里我们设计了一个实验验证了 multi-column CNN (MCNN) 表现的效果没有 比 没采用 multi-column 的要好。 这里我们设计了一个 a deeper, regular network with the similar amount of parameters
设计 multi-column CNN (MCNN) 的本意是希望可以学习不同尺寸感受野的特征，但是下图显示三个column 学习到的特征相似，没有达到设计之初的目的。
人群密度估计从方法上来说可以分为三大类：detection-based methods, regression-based methods, and density estimation-based methods
其中基于CNN的密度图估计多数采用了 multi-column based architecture (MCNN) 的架构，我们观察到这种结构存在几个问题： 1）Multi-column CNNs 比较难训练 2）Multi-column CNNs 引入了冗余的网络结构，如表1 所示 3） 需要 density level classifier ，这样计算量比较大 4） 这些网络用了很大一部分参数用于 density level classification，用于密度图估计的参数占小部分
3 Proposed Solution 这里我们不采用多分支网络结构 The fundamental idea of the proposed design is to deploy a deeper CNN for capturing high-level features with larger receptive fields and generating high-quality density maps without brutally expanding network complexity.
3.1. CSRNet architecture 网络的前端我们采用 VGG-16 卷积层部分，在后端我们采用 dilated convolutional layers
3.1.1 Dilated convolution
3.1.2 Network Configuration
3.2. Training method 3.2.1 Ground truth generation
不同数据库真值密度图的生成
3.2.2 Data augmentation 这里我们做了一些数据增强来增加训练样本的数量
3.2.3 Training details 损失函数如下：
4 Experiments 4.1. Evaluation metrics
