该文综述了多种人群计数深度学习网络，包括SFANet双路径多尺度融合网络、DENet检测与编解码估算网络、SCALNet计数定位一体化网络、HyGnn混合图神经网络、DecideNet自适应计数框架、PFDNet分数膨胀卷积方法及SPF-Net合成融合金字塔网络，分别通过注意力机制、多尺度融合、图推理和尺度感知损失提升拥挤场景的计数精度与密度图质量。