crowd-counting-cnn This implementation is from The author implements MCNN model on Shanghaitech dataset. I just modified some details to create UCSD dataset and UCF_50 dataset and test the MCNN model on these dataset. I am not sure whether it is okay to upload the modified implementation and if it is wrong, please contatct me and I will delete it. . UCF_50 在MCNN上测试UCF_50dataset，根据设置，使用5折交叉验证，所以，数

CrowdCountingDataset是一个高密度人群图像数据，图片来自FLICKR网站。数据集由视频中帧的RGB图像（作为输入）和每帧计数的对象组成，这是图像中行人（对象）的数量。该数据集是用商场的网络摄像头记录的同一地点的3个通道的图像是480x640像素，但每帧的人数不同，主要用于人群计数的问题。

Pyramid_Scale_Network 这是PyTorch版本的“ repo”版本库，“利用多列架构在人群计数中的潜力”，它提供了用于人群计数任务的最先进，直接且端到端的体系结构。 我们还建议另一项有关人群计数的工作（），已被ECAI2020接受。 数据集 上海科技数据集 先决条件 我们强烈建议Anaconda作为环境。 的Python：3.6 PyTorch的：1.5.0 培训与测试 1，python make_dataset.py＃生成基本事实。 ShanghaiTech数据集应放在“数据集”目录中。 2，python train.py＃火车模型3，python val.py＃测试模型 结果 partA：MAE 55.5 MSE 90.1 B部分：MAE 6.8 MSE 10.7

ÇrowdÇountingÇODE框架（C ^ 3-框架） Python 3开发人员版本！ 开源的PyTorch代码用于人群计数 注意：由于个人原因，该代码将不会继续保留。 我建议您在使用或其他出色的代码。 技术博客 [2019.05] [中文博客] C ^ 3框架系列之一：一个基于PyTorch的开源人群计数框架[] 目标 该代码的目的是一个有效，灵活的框架，用于监督人群计数。 同时，我们在主流数据集上提供了一些基本网络和经典算法的性能。 特征 方便的开发套件。 它是六个主要数据集上的便捷开发套件。 坚实的基线。 它提供了一些经典的预训练模型的基线，例如AlexNet，VGG，ResNet等。 在此基础上，您可以轻松地将建议的模型与它们的效果进行比较。 强大的日志。 它不仅可以在Tensorboard中记录丢失和可视化，还可以保存当前代码包（包括参数设置）。 保存的代码包可以直接运

ECCV2020：具有本地计数图的人群混合自适应回归网络 介绍 在这项工作中，我们介绍了一个称为局部计数图的新学习目标，并显示了其在局部计数回归中的可行性和优势。 同时，我们提出了一种从粗到精的方式的自适应混合回归框架。 它报告了计数准确性和训练阶段稳定性的显着提高，并在几个权威数据集上实现了最先进的性能。 有关更多详细信息，请参阅我们的。 框架 演示版 入门 先决条件 Python> = 3.5 火炬> = 1.0.1 其他库在requirements.txt ，运行pip install -r requirements.txt 。 资料准备 从官方网站下载ShanghaiTech, UCF-QNRF, UCF_CC_50数据集，并将其解压缩到./ProcessedData 。 运行cd ./datasets/XXX/和python prepare_XXX_mod64.py调整图

2020.6.28整理修改后的人群计数数据集标注工具，使用matlab2018a测试可用，可生成.mat、密度图的csv文件 支持自适应高斯核，内附详细的使用说明。

论文Attentional Neural Fields for Crowd Counting，侵删

以人群计数为例，对训练好的MCNN caffe模型，调用caffe的python接口进行前向测试，输出人群密度图。详细请参考博客：https://blog.csdn.net/u011285477/article/details/51954989