不是我数的，AI数的，给出的结果是1476.556884765625。驼子的照片压过，看不清后面的人，还有些只见手臂不见头的，就数不上，所以应该是数少。（好像四个驼也没数上？但远处墙上几个V也数进去了...）
翻了一圈是 Variations-of-SFANet-for-Crowd-Counting 这个组的代码最容易用，所以就用它了。不过这组的标记图不是很直观。标记清晰直观的有不少，但代码都不是即插即用...就没研究。
用的是他们给的M-SegNet模型。
arxiv.org/abs/2003.05586