将图像的像素迭代调整训练，来拟合感知损失函数感知损失是 NST 的核心部分，分为内容损失和风格损失（style loss），这些损失评估输出图像与目标图像的匹配程度。
这个工程就是fork自https://github.com/TheCamilovisk/CrowdDetection里，不过修复了原始工程里使用python27，而且kdtree树训练的时候输入数据集格式不对的问题。还有使用了streamlit进行UI界面显示测试结果。
近日，京东AI研究院开源了FaceX-Zoo,一个专为人脸识别而生的开源库，论文 FaceX-Zoo: A PyTorch Toolbox for Face Recognition 详述了其特点，不仅方便比较研究不同的方法，还针对实际应用开发了特定功能（如人脸戴口罩、Shallow Face Learning 等）。非常值得关注！
