【论文浅读】《Generating High-Quality Crowd Density Maps Using Contextual Pyramid CNNs》

创新思想：

Contextual Pyramid CNN (CP-CNN)：文章提出的上下文金字塔，由以下四个部分组成：
Global Context Estimator (GCE)：全局上下文估计；
Local Context Estimator (LCE)：局部上下文估计；
Density Map Estimator (DME)：密度映射估计；
Fusion-CNN (F-CNN)：融合CNN；

主要原理：

整体结构。

全局上下文估计(GCE)：绿色；

局部上下文估计(LCE)：蓝色；

密度映射估计(DME)：黄色；

三者的损失函数。

主要实验结果：

不同组合下的平均误差，均方误差，峰值信噪比，结构相似性。

不同组合下的效果展示。

对ShanghaiTech dataset数据集，不同算法的整体表现。

对ShanghaiTech dataset数据集，不同算法在不同场景下的表现。

对UCF_CC_50 dataset数据集，不同算法的整体表现。