ICCV2019-DSSINet: Crowd Counting with Deep Structured Scale Integration Network

师兄ICCV的论文哈哈。有人问到了模型效率问题，参数量还可以，但是flop很多，速度比较慢。实验室的另一个工作讨论了crowd counting的一些模型的运行效率：
Efficient Crowd Counting via Structured Knowledge Transfer

DSSINet overview

模型非常清晰，三个不同分辨率的图片经过三个网络支干，不断进行卷积&下采样，融合不同支干网络的特征，并小特征不断进行上采样再与之前的特征融合（类似FPN的模型流程）。

三条网络，最后一层都是VGG中的Conv4_3

本文主要贡献在：

1. 特征的融合方式上，不是简单的加权叠加或者通道拼在一起。
   使用了基于CRFs的Structured Feature Enhancement Module(图中的SFEM)
   
2. 一种在不同尺寸下，对局部区域输出高质量density maps的loss计算方式—— a Dilated Mul-tiscale Structural Similarity loss
   

模块分析

论文中3.1节overview中表述了SFEM模块的作用，

下面具体介绍

SFEM

SFEM在不同scale，refine the features，并与CRFs model具有互补性

用CRFs model将特征refine：

然后这是特征融合方式？？？

就是这样稍微数学一点的融合方式？？

反正最后，得到了这样的一个迭代公式（7）：

f i f_i