weixin_43335019的博客

人群计数目标是计算一个密集场景下的人数，密度估计目标是将人群图像转换成密度图像，可以清晰地看出人群的分布。这两个问题已经被结合在一起。 传统方法 基于检测的方法 基于回归的方法 基于密度估计的方法 基于CNN的方法 对网络特性的分类： 基础CNN 规模感知模型 上下文感知模型 多任务模型 对输入数据的分类： 基于块的方法 基于完整图像的方法 具体方法 Deep people counting in extremely dense crowds 基础CNN，基于块 端到端的深度CNN回归模型，使用了AlexNet，将最后的全连接层的4096的神经元改成了一个单一神经元用于预测人数。 Fast crowd density estimation with convolutional neural networks 基础CNN，基于块 将图像分为密度从高到低的五类，使用了Multi-stage ConvNet。使用了两个串联的分类器来提高效果。

用C++写的一段代码，用模板函数求最大值。

Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境。