该文综述基于深度学习的人群计数与密度图估计研究，涵盖CNN密度图方法、多尺度数据增强、残差学习与置信加权、领域适应、最优传输及扩散模型，比较手工特征与深度学习优劣，并在UCF-QNRF、NWPU等数据集上验证性能，指出未来方向。

该文综述人群计数研究，比较模型架构、学习方法与评估方法，梳理基于CNN的密度图估计及手工特征与深度学习方法的优劣，并介绍课程学习在模型训练、情感识别和自然语言处理中的应用，以及半监督学习和轻量级LCDnet在无人机实时计数与边缘设备部署中的进展，为初学者提供系统参考。