简介 人群计数是计算机视觉领域的一个核心任务，旨在估算静止图像或视频帧中的行人数量。在过去几十年中，研究人员在这个领域投入了大量的精力，并在提高现有主流基准数据集性能方面取得了显著进展。然而，训练卷积神经网络需要大规模且高质量的标记数据集，而标记像素级别的行人位置成本昂贵，令人望而却步。 此外，由于数据分布之间存在领域转移，即在标签丰富的数据领域（源领域）上训练的模型无法很好地泛化到另一个标签