MCNN算法实战：基于PyTorch实现MCNN完成人群计数任务

• 任务描述

  近年来，随着踩踏事件的不断发生，人群计数的问题受到了越来越多研究人员的关注。人群计数的方法大致可以分为三种：

  • 以检测为基础，即通过对图像中每一个人进行检测从而得到人群数目。
  • 以回归为基础，即通过建立图像特征和图像人数的回归模型，通过测量图像特征从而估计场景中的人数。
  • 以密度图为基础，这类方法是目前人群统计的主流方法。与基于检测的方法和基于回归的方法相比，密度图既能给出行人数量信息，又能反映行人的分布情况，使模型能更好地拟合相应的原始图像。

本教程采用第三种方法，以 CVPR2016 的 《Single-Image Crowd Counting via Multi-Column Convolutional Neural Network》 为例，来完成人群计数任务。

• 数据集

  https://download.csdn.net/download/qq_38735017/87325399

• 运行环境

  本教程在 python3.7 和 pytorch1.5 环境下测试成功，理论上该教程可以运行在 python3.6+ 和 pytorch1.x 环境下。
  该教程所提到的训练过程需要GPU显卡支撑，并在RTX2080显卡，cuda为10.1环境下测试通过。具体的环境配置参考