SaCNN（论文解读）－人群计数

　　本文主要对论文《Crowd counting via scale-adaptive convolutional neural network》的核心思想进行简单介绍。
　　先来看一下效果：在Shanghai Tech数据集上（分为Part A和Part B两部分），关于这个数据集的介绍见下表：Part A 共有418张图片，图片的分辨率是不同的，每张图片上包含的人数最少有33个，最多包含3139； Part B 共有７１６张分辨率相同的图片。
　　

　　
　　关于这个数据集的评测用的是MAE(平均绝对误差)和MSE(均方误差) ，在下面会进行介绍。
　　
　　

　　网络的损失函数：通过计算估计的densitymap和对应ground truth之间的欧式距离如下：

　　式子中$\theta$代表网络参数，$Ｎ$是训练图片数，$X_{i}$是输入图片，$D_{i}$是相应的densitymap的ground truth，$F_{D}(X_{i};\theta)$表示由输入图像$X_{i}$所得的估计的densitymap。
　　除了回归density map，论文中还考虑了如下的损失函数来计算head count loss:$F_{Y}(X_{i};\theta)$和$Y_{i}$是估计的head count 和对应的ground truth，

下面介绍评价指标：MAE(平均绝对误差)和MSE(均方误差)：$F_{Y}(X_{i};\theta)$和$Y_{i}$是估计的head count 和对应的ground truth，