海牛是捕食量巨大的水生哺乳动物，它们以海草为食，日放牧时间长达八小时。由于它们喜好在浅水环境中群聚性捕食且行动缓慢，使它们对环境变化及风险具有较高敏感度。准确统计区域内海牛聚集数量对生态系统和环境监测具有重要意义。但海牛体形独特，且常年成群聚集在浅水中，水面反射、遮挡以及伪装等因素往往对海牛计数造成干扰。
佛罗里达大西洋大学提出了一种基于深度学习的种群计数方法，该方法可以通过低质量图像自动计算区域内海牛数量。这种方法使用高斯核（AGK）确保密度函数可以最大限度地捕获不同聚合中个体海牛的形状，并将AGK应用于不同类型的深度神经网络（VGG、SANNet、CSRNet、MARUNet等）学习海牛密度并计算场景中海牛的数量。通过使用从监控视频中提取的通用低质量图像，实验结果表明，基于AGK内核的海牛计数实现了最小的平均绝对误差（MAE）和均方根误差（RMSE）。
