画像に写る群衆を計数するcrowd countingのタスクで、近年CNNを用いてdensity mapを求める手法が使われているが、様々な大きさの人間を見つけるために入力画像をさまざまな大きさに変化させて計算を行っていた。これは人間のスケールが連続的に変化することを無視していた。