本赛道旨在通过多任务联合训练来提升模型的泛化能力，同时解决多任务、多数据之间冲突的问题。

人群密度估计是计算机视觉中的一项重要任务，旨在同时识别各种情况下的任意大小的目标，包括稀疏和杂乱的场景。它主要应用于现实生活中的自动化公共监控，能够在公共安全管理、公共空间设计、数据收集分析等方面发挥重要的作用。 “基于TPU平台实现人群密度估计”比赛致力于人群密度估计算法在算能TPU平台的落地，对于给定的预训练模型，通过优化预处理、模型推理方式、模型量化等，兼顾推理精度与推理速度。本赛题的难点在于精度和推理速度的平衡，对于给出的四个预训练模型，我们先通过同等输入大小和同等预处理下，分别比较FP32和INT8模型的综合分数，选择VGG作为后续模型；引入网格搜索的方法，进行最优参数区间确定；结合人工先验知识，确定最后的预处理方法和推理形式。与官方的基线模型相比，我们的方案取得了非常显著的综合提升，最终获得了B榜排名第二的成绩。