自動的な群衆行動分析は、交通参加者に応じた動的な流れ制御およびルート計画を実現するため、スマート交通システムにおいて重要な課題である。群衆カウンティングは、自動群衆行動分析の鍵となる技術の一つである。近年、深層畳み込みニューラルネットワーク（CNN）を用いた群衆カウンティングは、著しい進展を遂げている。研究者たちは、さまざまなCNNアーキテクチャの設計に多大な努力を注いでおり、その多くは事前学習済みのVGG16モデルを基盤としている。しかし、VGG16のバックボーンネットワークには表現力の不足があり、良好なカウンティング性能を発揮するためには、別途設計された複雑なネットワークを追加する必要がある。画像分類タスクにおいてVGGモデルはInceptionモデルに性能で劣っているものの、現在のInceptionモジュールを用いた群衆カウンティングネットワークは、基本的なInceptionモジュールを用いた層がわずかにしか存在しない。このギャップを埋めるために、本稿ではまず、一般的に用いられる群衆カウンティングデータセット上でInception-v3モデルのベースライン性能を評価し、既存の多くの群衆カウンティングモデルと比較して驚くべき高い性能を達成した。さらに、この革新的なアプローチの限界を押し広げるために、Inception-v3をバックボーンとして用い、群衆カウンティングに特化した新たなカリキュラム損失関数を導入した「セグメンテーション誘導型アテンションネットワーク（SGANet）」を提案する。多数の実験を通じて、SGANetの性能を先行研究と比較した結果、ShanghaiTechA、ShanghaiTechB、UCF_QNRFデータセットにおいてそれぞれMAE（平均絶対誤差）57.6、6.3、87.6という、最先端の性能を達成した。