设计单一感知器神经元来解决一个简单分类问题：将4个输入向量分为两类，其中两个输入向量对应的目标值为1，另两个向量对应的目标值为0 。用plot函数绘出向量分布和分类线。输入向量为P=[-1 -0.5 +0.3 -0.1;-0.5 +0.5 -0.5 +1.0]，目标向量为T=[1 1 0 0]

人群计数目标是计算一个密集场景下的人数，密度估计目标是将人群图像转换成密度图像，可以清晰地看出人群的分布。这两个问题已经被结合在一起。 传统方法 基于检测的方法 基于回归的方法 基于密度估计的方法 基于CNN的方法 对网络特性的分类： 基础CNN 规模感知模型 上下文感知模型 多任务模型 对输入数据的分类： 基于块的方法 基于完整图像的方法 具体方法 Deep people counting in extremely dense crowds 基础CNN，基于块 端到端的深度CNN回归模型，使