以往的：
· 没有考虑上下文
· 重叠部分由重复计算
· 多阶段预处理和前向传播导致难以调优
端到端
整张图片作为输入，直接输出图片中人群数量
解决问题：在人群计数方法上进行创新，提出了一个端到端的卷积神经网络，将整张图片作为输入，直接输出计数结果；但是将整张图片作为输入，整张图片相比一个个patch会带有更多背景噪声和更少目标区域；因此使用Local counts;
提出方法：在利用重叠区域的共享计算时，我们的方法在预测本地和全局计数时利用上下文信息。
结果：在几个具有挑战性的数据集上进行实验，结果不错；
