CVPR2019 主页： https://gjy3035.github.io/GCC-CL/index.html
才发现之前一直看的人群计数总结也是这位作者的： https://github.com/gjy3035/Awesome-Crowd-Counting#GWTA-CCNN ，很赞！
解决问题：真实场景中存在多变的环境、更拥挤的人群，现存的方法不能很好解决问题；除此之外，因为数据的稀缺，许多方法都存在不同程度的过拟合现象。
提出办法：作者从数据和方法两个角度解决问题；首先是数据方面，开发了一个数据收集和标注器，可以生成并标注合成的数据集（这个挺有意思的，是从游戏中获取的图片）；其次是方法，提出两类方法，一个是将网络在游戏数据集上预训练之后，再用真实数据微调；二是从域适应的角度提出一个人群计数方法，从而避免大量数据标注工作；
创新点：看了项目主页，虽然现在还没全弄懂代码，个人认为创新点一是数据集的处理，文中也提到，尽管前人工作也利用GTA5数据集，但是受限于GTA5的特性（同一场景下最多256人），因此作者设计了一个策略构造出拥塞场景（分割出几个不重叠区域，在不重叠区域放置人群，最后将多个区域拼接成一个场景）；创新点二是方法中的第二类域适应方法。
结论：第一类方法取得SOTA的结果；第二类方法虽然没那么卓越的性能，实验结果也在接受范围内；
CV需要海量数据集，但是数据的获取很困难，同时现有的部分数据标注也存在一些错误，那么可否考虑使用不带标签的数据集，作者基于游戏中的虚拟图像场景，得到合成数据集，合成数据集的人数、场景分布情况见下方，从这个分布情况来看，这份数据集更贴近真实场景的情况，表中列出与其他数据集的比较：
方法一：监督式人群计数
网络结构基于FCN
实验部分对数据集的处理采取三种不同的训练策略：（1）随机切分：75%作为训练集，25%作为测试集；{2}跨相机分割数据集：对于一个特定位置，随机选择一个相机作为测试，其余作为训练；（3）跨场景分割：随机选择75%场景作为训练，25%作为测试。
下表是不同方法在GCC数据集上预训练的性能比较：
下表是SOTA和提出方法在真实数据集上的性能比较，可以看到性能基本都提升了：
方法二：通过域适应进行人群计数
解决问题：怎么在不同领域数据集中迁移学习到有效的特征——domain adaptation
提出方法：基于Cycle GAN，嵌入SSIM，从而实现合成图像到真实图像的迁移工作；之后把迁移后的数据放到SFCN中训练，图示流程见下图：
Cycle GAN：
我对GAN不是很了解，就简单的从对文章的理解角度讲下这部分，有讲错的地方麻烦指正~首先关于损失函数的定义：下方式（1）是cycle-consistent loss，GAN的两个重要角色是生成器和判别器，生成器在这里分别是 作用是学习合成图像S迁移到真实图像域R的映射函数；
则相反； 那么我们想要生成的合成图像尽量和原来的合成图像接近，目标便是：
.
除此之外，还有两个判别器分别对应生成器
，比如
想鉴别这个图像是来自真实图像还是合成图像生成的”假真实图像“，损失定义如下：
最终损失定义为：
SSIM
之前在CSRNet和SANet中看到过，作者利用SSIM进行图像重建质量评估，从局部特征角度计算两张图的相似性，该值越大越能说明图像之间差别小，值范围在[-1,1]，损失定义如下：
最终SE Cycle GAN损失定义为：
在此作者还提出了一个正则化方法：因为发现真实数据中的分布可能存在一些异常，比如图片中的背景被预测为极大的值，解决办法是定义一个值上界，超过该上界的值都被置为0。